Tukar PDF kepada XML
PDF ke XML mengimport PDF melalui LibreOffice dan memulangkan fail XML berperisa Office. Ia eksport teks dan susun atur sebaik mungkin, bukan salinan struktur atau tag PDF.
Seret dan lepaskan fail di sini, atau klik untuk pilih
Menerima PDF · sehingga 500.0 MB setiap fail · sehingga 20 fail sekali gus
Anda juga boleh menampal fail dengan Ctrl/Cmd+V atau dari menu papan keratan.
PDF ke XML menghantar fail ke LibreOffice `writer_pdf_import` dengan `outputFormat=xml`. Muat turun ialah dokumen XML gaya Office (`octet-stream`), bukan pembinaan semula aliran kandungan PDF atau struktur tagged-PDF.
Ini keluarga import LibreOffice yang sama dengan PDF ke Word, tetapi disasarkan kepada XML dan bukannya DOCX. Susun atur, jadual dan fon ialah sebaik mungkin. Imbasan tanpa lapisan teks diimport sebagai gambar atau larian kosong.
Halaman ini tiada pilihan. Fail yang dilindungi kata laluan dibuka untuk anda pada halaman ini sebaik sahaja anda memasukkan kata laluan; pemanggil API perlu menjalankan Buang kata laluan dahulu. Markdown OCR tidak boleh dihantar ke sini.
Jika anda memerlukan baris daripada jadual, PDF ke CSV ialah heuristik susun atur. Jika anda hanya memerlukan perkataan, PDF ke RTF (Teks) lebih kecil.
Outputnya ialah satu fail XML. Ia menerangkan dokumen seperti yang difahami oleh suite pejabat: perenggan, larian teks, gaya, dan sebarang gambar terbenam. Ia tidak menerangkan PDF itu sendiri, jadi anda tidak akan menjumpai objek halaman, fon seperti yang disimpan PDF, atau operator aliran kandungan asal di dalamnya.
Putuskan mengikut apa yang dijangka oleh program anda seterusnya. Jika saluran paip sudah membaca XML LibreOffice atau Office, ini ialah input langsung. Jika anda mahu membaca perkataan dalam skrip, teks biasa lebih mudah. Jika anda mahu menyunting susun atur, tukar ke Word dan buka fail dalam penyunting.
Kerana pengimport membina semula perenggan daripada teks yang diletakkan, pemisah baris dalam perenggan, lajur, pengepala dan pengaki mungkin diletakkan dalam struktur yang berbeza daripada yang dilukis manusia. Anggap XML sebagai laluan pertama yang perlu disemak, bukan cerminan setia PDF.
Ciri
- LibreOffice `writer_pdf_import` kepada XML
- Bukan longgokan struktur PDF, juga bukan OCR
- Tiada julat halaman atau pilihan skema
- API tanpa nama di /api/v1/convert/pdf/xml
Bila menggunakan alat ini
- Suapkan PDF yang lahir digital kepada saluran paip yang sudah menerima XML Office
- Periksa bagaimana LibreOffice memecahkan dokumen kepada token
- Dapatkan draf XML apabila DOCX ialah langkah seterusnya yang salah
- Bandingkan bagaimana dua eksport dokumen yang sama distrukturkan dengan diff pada output XML mereka
- Tarik teks peringkat perenggan beserta nama gaya ke dalam skrip yang sudah mengenali perbendaharaan XML Office
Bagaimana cara menukar PDF kepada XML?
- Muat naik PDF berasaskan teks.
- Klik Proses. Halaman ini tiada pilihan format.
- Muat turun fail `.xml`.
- Buka dalam LibreOffice atau penyunting dan anggap sebagai draf.
- Cari dalam XML beberapa perkataan tersendiri daripada PDF. Jika tidak dijumpai, PDF itu mungkin tiada lapisan teks dan anda patut menggunakan OCR dahulu.
- Semak tempat susun atur paling sukar, seperti lajur, jadual dan nota kaki, sebelum menyuap XML kepada sesuatu yang automatik.
Had dan kes khas
- Bukan pengekstrakan tagged-PDF atau XFDF/XFA
- Bukan OCR
- Jadual dan penomboran halaman tidak akan sepadan dengan PDF
- Fon dinamakan tetapi tidak dibenamkan
- Fail yang sangat besar atau kompleks mungkin gagal atau mengambil masa lama, kerana keseluruhan dokumen diimport dahulu
- Had muat naik di tapak web ini: 500 MB setiap fail, dihantar berketul-ketul melebihi kira-kira 95 MB. Satu badan permintaan API langsung dihadkan pada 100 MB.
Contoh
- Memo dua halaman teks sahaja daripada pemproses perkataan: XML memegang perenggan beserta gayanya, dan mencari satu ayat daripada memo itu menjumpainya
- Halaman majalah dengan tiga lajur: jangkakan teks disusun mengikut bacaan pengimport terhadap halaman, yang mungkin menyilangkan lajur, jadi semak tertibnya
- Imbasan 30 halaman tanpa lapisan teks: XML kebanyakannya mengandungi rujukan gambar, dan langkah seterusnya ialah OCR
- Memo teks sering menjadi fail XML Office besar dengan larian perenggan
- PDF imbasan sahaja sering menjadi XML yang kebanyakannya membungkus imej
Privasi untuk alat ini
Fail dimuat naik melalui HTTPS, diproses dalam memori atau direktori sementara singkat di pelayan kami, kemudian dipadam apabila hasil sedia. Kami tidak menyimpan salinan untuk semakan kemudian, latihan, atau profil iklan. Lihat Dasar Privasi untuk pengekalan dan pendedahan kuki AdSense.
Soalan lazim
- Adakah XML mengekalkan jadual saya?
- Ia mungkin mengekalkan jadual apabila pengimport mengenali susun atur itu sebagai jadual, tetapi penomboran halaman dan sempadan sel ialah sebaik mungkin. Jika baris dan lajur ialah matlamat, PDF ke CSV ialah alat yang lebih langsung.
- Mengapa fail jauh lebih besar daripada PDF?
- XML Office menghuraikan setiap perenggan, larian dan gaya dalam teks, dan gambar boleh dibenamkan, jadi output boleh lebih besar daripada sumber. Itu sifat format, bukan tanda ralat.
- Adakah ia berfungsi untuk dokumen imbasan?
- Tidak dengan cara yang berguna. Tanpa lapisan teks tiada apa-apa untuk diimport selain gambar halaman. Jalankan OCR dahulu untuk mendapatkan versi teks, kemudian tukar versi itu.
- Bolehkah saya mendapatkan tag daripada PDF bertag?
- Tidak. Pokok tag PDF yang boleh diakses tidak dieksport. Struktur dalam XML datang daripada tekaan susun atur pengimport.
- Apa yang patut saya lakukan jika penukaran gagal?
- Cuba Baiki PDF pada PDF itu dan jalankan penukaran semula. Jika masih gagal, fail mungkin rosak melebihi apa yang boleh dibaca oleh pengimport.
- Adakah fon dikekalkan?
- Nama fon dibawa sebagai gaya apabila pengimport dapat membacanya, tetapi output tidak membenamkan fail fon, jadi XML akan dipaparkan dengan pengganti jika fon tidak dipasang.
- Adakah ini XML dalaman PDF?
- Bukan. Ini LibreOffice mengeksport dokumen yang diimport sebagai XML, bukan pokok objek PDF.
- Mengapa imbasan hampir kosong?
- LibreOffice tiada teks untuk diimport. Gunakan OCR ke Markdown untuk mendapatkan perkataan daripada piksel.
- Bolehkah saya memilih perisa XML lain?
- Tidak. Penukar menetapkan outputFormat lalai kepada xml dan hanya membenarkan nilai itu pada laluan ini.
- Apa bezanya dengan PDF ke Word?
- Pengimport sama, output berbeza. Word memberi docx/doc/odt. Laluan ini memberi xml.
Kemas kini terakhir:
Panggil dari kod
Setiap alat di laman ini ialah panggilan REST biasa. Penggunaan tanpa nama tidak perlukan akaun atau kunci API. Untuk pelayar, pembangun dan ejen AI sama-sama.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfJuga tersedia sebagai alat MCP untuk klien ejen yang menggunakan Model Context Protocol (JSON-RPC 2.0 melalui POST /mcp). Rujukan API penuh
Gunakan melalui ejen AI
SkillDengan skill ini, Claude Code, Codex, Cursor dan ejen AI lain boleh menjalankan "PDF ke XML" bagi pihak anda: /skills/pdf123-pdf-to-xml.md
Fail hanya digunakan untuk pemprosesan ini dan dipadam secara automatik selepas itu.