Konwersja PDF na XML
PDF na XML importuje PDF przez LibreOffice i zwraca plik XML w stylu Office. To eksport tekstu i układu w miarę możliwości, a nie kopia struktury ani znaczników PDF.
Przeciągnij pliki tutaj albo kliknij, żeby wybrać
Obsługiwane: PDF · do 500.0 MB na plik · maks. 20 plików naraz
Możesz też wkleić plik przez Ctrl/Cmd+V lub z menu schowka.
Konwersja PDF na XML puszcza plik przez LibreOffice `writer_pdf_import` z `outputFormat=xml`. Pobranie to dokument XML w stylu Office (`octet-stream`), a nie odtworzenie strumieni treści PDF ani struktury tagged-PDF.
To ta sama rodzina importu LibreOffice co PDF na Word, tylko celem jest XML zamiast DOCX. Układ, tabele i czcionki są odtwarzane w miarę możliwości. Skany bez warstwy tekstu importują się jako obrazy lub puste fragmenty.
Na tej stronie nie ma opcji. Pliki chronione hasłem są odblokowywane za Ciebie na tej stronie, gdy tylko wpiszesz hasło; wywołujący API najpierw uruchamiają Usuń hasło. Markdown z OCR nie wchodzi tutaj.
Jeśli potrzebujesz wierszy z tabeli, PDF na CSV to heurystyka układu. Jeśli potrzebujesz samych słów, PDF na RTF (tekst) jest mniejszy.
Wynik to pojedynczy plik XML. Opisuje dokument tak, jak rozumie go pakiet biurowy: akapity, fragmenty tekstu, style i ewentualne osadzone obrazy. Nie opisuje samego PDF, więc nie znajdziesz w nim obiektów stron, czcionek tak, jak zapisał je PDF, ani oryginalnych operatorów strumienia treści.
Wybieraj według tego, czego oczekuje Twój następny program. Jeśli potok już czyta XML LibreOffice lub Office, to jest bezpośrednie wejście. Jeśli chcesz czytać słowa skryptem, prostszy jest zwykły tekst. Jeśli chcesz edytować układ, skonwertuj zamiast tego do Word i otwórz plik w edytorze.
Ponieważ importer odtwarza akapity z pozycjonowanego tekstu, łamania wierszy wewnątrz akapitu, kolumny, nagłówki i stopki mogą trafić do innej struktury, niż narysowałby człowiek. Traktuj XML jako pierwszy przebieg do sprawdzenia, a nie wierne odbicie PDF.
Funkcje
- LibreOffice `writer_pdf_import` do XML
- Nie zrzut struktury PDF i nie OCR
- Bez zakresu stron ani opcji schematu
- Anonimowe API: /api/v1/convert/pdf/xml
Kiedy tego użyć
- Przekazać elektroniczny PDF potokowi, który już przetwarza Office XML
- Zobaczyć, jak LibreOffice podzielił dokument na tokeny
- Wziąć szkic XML, gdy DOCX to zły następny krok
- Porównać, jak zbudowano dwa eksporty tego samego dokumentu, robiąc diff ich XML
- Wyciągnąć tekst na poziomie akapitów wraz z nazwami stylów do skryptu, który zna słownik Office XML
Jak zamienić PDF na XML?
- Prześlij PDF z tekstem.
- Kliknij Przetwórz. Na tej stronie nie ma opcji formatu.
- Pobierz plik `.xml`.
- Otwórz go w LibreOffice lub edytorze i traktuj jako szkic.
- Wyszukaj w XML kilka charakterystycznych słów z PDF. Jeśli ich nie znajdziesz, PDF prawdopodobnie nie ma warstwy tekstu i najpierw trzeba użyć OCR.
- Zanim przekażesz XML czemukolwiek automatycznemu, sprawdź miejsca o najtrudniejszym układzie, takie jak kolumny, tabele i przypisy.
Ograniczenia i przypadki brzegowe
- To nie tagged-PDF ani wyciąganie XFDF/XFA
- Nie OCR
- Tabele i paginacja nie pokryją się z PDF
- Czcionki są nazwane, ale nieosadzone
- Bardzo duże lub złożone pliki mogą się nie udać albo trwać długo, bo najpierw importowany jest cały dokument
- Limit przesyłania na tej stronie: 500 MB na plik, wysyłane porcjami powyżej około 95 MB. Treść pojedynczego bezpośredniego żądania API jest ograniczona do 100 MB.
Przykłady
- Dwustronicowa notatka z samym tekstem z edytora tekstu: XML zawiera akapity wraz ze stylami, a wyszukanie zdania z notatki je znajduje
- Strona magazynu z trzema kolumnami: tekst będzie uporządkowany według odczytu strony przez importer, co może przeplatać kolumny, więc sprawdź kolejność
- 30-stronicowy skan bez warstwy tekstu: XML zawiera głównie odwołania do obrazów, a następnym krokiem jest OCR
- Notatka tekstowa często staje się dużym Office XML z przebiegami akapitów
- PDF wyłącznie ze skanem często staje się XML głównie opakowującym obrazy
Prywatność tego narzędzia
Pliki są przesyłane przez HTTPS, przetwarzane w pamięci lub w krótkotrwałym katalogu tymczasowym na naszych serwerach i usuwane, gdy wynik jest gotowy. Nie przechowujemy kopii do późniejszego przeglądania, trenowania ani profili reklamowych. Szczegóły retencji i pliki cookie AdSense znajdują się w polityce prywatności.
Najczęstsze pytania
- Czy XML zachowa moje tabele?
- Może zachować tabelę, gdy importer rozpozna układ jako tabelę, ale paginacja i granice komórek są odtwarzane w miarę możliwości. Jeśli celem są wiersze i kolumny, bardziej bezpośrednim narzędziem jest PDF na CSV.
- Dlaczego plik jest o wiele większy niż PDF?
- Office XML wypisuje tekstowo każdy akapit, fragment i styl, a obrazy mogą być osadzone, więc wynik może być większy niż źródło. To cecha formatu, a nie oznaka błędu.
- Czy zadziała dla zeskanowanego dokumentu?
- Nie w użyteczny sposób. Bez warstwy tekstu nie ma czego importować poza obrazami stron. Najpierw użyj OCR, by dostać wersję tekstową, i dopiero ją skonwertuj.
- Czy dostanę znaczniki z tagged PDF?
- Nie. Drzewo znaczników dostępnego PDF nie jest eksportowane. Struktura w XML pochodzi z domysłów importera co do układu.
- Co zrobić, gdy konwersja się nie powiedzie?
- Spróbuj Napraw PDF na tym pliku i uruchom konwersję ponownie. Jeśli nadal się nie udaje, plik może być uszkodzony bardziej, niż importer potrafi odczytać.
- Czy czcionki są zachowane?
- Nazwy czcionek trafiają do stylów, gdy importer potrafi je odczytać, ale wynik nie osadza plików czcionek, więc XML zostanie wyświetlony z zamiennikami, jeśli czcionka nie jest zainstalowana.
- Czy to wewnętrzny XML PDF?
- Nie. To eksport zaimportowanego dokumentu przez LibreOffice do XML, nie drzewo obiektów PDF.
- Dlaczego skan jest niemal pusty?
- LibreOffice nie ma tekstu do importu. Tekst z pikseli dostaniesz przez OCR do Markdown.
- Czy mogę wybrać inny dialekt XML?
- Nie. Konwerter domyślnie ustawia outputFormat na xml i tylko tę wartość akceptuje na tej ścieżce.
- Czym różni się od PDF na Word?
- Importer ten sam, wynik inny. PDF na Word daje docx, doc lub odt. Ta ścieżka daje xml.
Ostatnia aktualizacja:
Wywołanie z kodu
Każde narzędzie na stronie to zwykły interfejs REST. Anonimowo nie trzeba konta ani klucza API. Działa w przeglądarce, u programistów i u agentów AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfDostępne też jako narzędzie MCP dla klientów mówiących Model Context Protocol (JSON-RPC 2.0, POST /mcp). Pełna dokumentacja API
Użyj go z agentem AI
SkillZ tym skillem Claude Code, Codex, Cursor i inne agenty AI mogą wykonać za Ciebie „PDF na XML”: /skills/pdf123-pdf-to-xml.md
Pliki służą tylko do tego zadania i są potem automatycznie usuwane.