Ana içeriğe geç
PPDF123

PDF'yi XML'e Dönüştürün

PDF'den XML'e, bir PDF'yi LibreOffice üzerinden içe aktarır ve Office tarzı bir XML dosyası döndürür. En iyi çabayla yapılan bir metin ve düzen dışa aktarımıdır; PDF'nin yapısının ya da etiketlerinin kopyası değildir.

Dosyaları buraya sürükleyip bırakın veya seçmek için tıklayın

PDF kabul edilir · dosya başına en fazla 500.0 MB · bir seferde en fazla 20 dosya

Bir dosyayı Ctrl/Cmd+V ile veya pano menüsünden de yapıştırabilirsiniz.

PDF'den XML'e, dosyayı `outputFormat=xml` ile LibreOffice `writer_pdf_import` üzerinden geçirir. İndirilen dosya, Office tarzı bir XML belgesidir (`octet-stream`); PDF içerik akışlarının veya etiketli PDF yapısının yeniden kurulumu değildir.

Bu, Word'e dönüştür ile aynı LibreOffice içe aktarma ailesidir; hedefi DOCX yerine XML'dir. Düzen, tablolar ve yazı tipleri en iyi çabayladır. Metin katmanı olmayan taramalar resim veya boş metin dizileri olarak aktarılır.

Bu sayfada seçenek yoktur. Parola korumalı dosyaların kilidi, parolayı girdiğinizde bu sayfada sizin için açılır; API çağıranları önce Parolayı kaldır'ı çalıştırır. OCR Markdown buraya gönderilemez.

Bir tablodan satırlar istiyorsanız PDF'den CSV'ye düzen sezgisine dayanır. Yalnızca sözcükler gerekiyorsa PDF'den metne daha küçüktür.

Çıktı tek bir XML dosyasıdır. Bir belgeyi ofis paketinin anladığı biçimde anlatır: paragraflar, metin dizileri, stiller ve gömülü resimler. PDF'in kendisini anlatmaz; bu yüzden içinde sayfa nesneleri, PDF'in sakladığı biçimiyle yazı tipleri veya özgün içerik akışı işleçleri bulamazsınız.

Seçimi, sonraki programınızın ne beklediğine göre yapın. Bir işlem hattı zaten LibreOffice veya Office XML okuyorsa bu doğrudan bir girdidir. Sözcükleri bir betikte okumak istiyorsanız düz metin daha basittir. Düzeni düzenlemek istiyorsanız bunun yerine Word'e dönüştürüp dosyayı bir düzenleyicide açın.

İçe aktarıcı paragrafları konumlandırılmış metinden yeniden kurduğu için bir paragraf içindeki satır sonları, sütunlar, üst ve alt bilgiler, bir insanın çizeceğinden farklı bir yapıya yerleşebilir. XML'i PDF'in sadık bir aynası değil, denetlenecek ilk geçiş olarak ele alın.

Özellikler

  • LibreOffice `writer_pdf_import` ile XML
  • PDF yapı dökümü veya OCR değildir
  • Sayfa aralığı veya şema seçeneği yok
  • Anonim API: /api/v1/convert/pdf/xml

Bu araç ne zaman kullanılır

  • Doğrudan dijital üretilmiş bir PDF'i, zaten Office XML tüketen bir işlem hattına vermek
  • LibreOffice'in belgeyi nasıl simgelere ayırdığını incelemek
  • DOCX sonraki adım için yanlış olduğunda bir XML taslağı almak
  • Aynı belgenin iki dışa aktarımının yapısını, XML çıktılarının farkına bakarak karşılaştırmak
  • Office XML sözlüğünü zaten bilen bir betiğe, stil adlarıyla paragraf düzeyinde metin çekmek

PDF'yi XML'e nasıl dönüştürürüm?

  1. Metin tabanlı bir PDF yükleyin.
  2. İşle'ye tıklayın. Bu sayfada biçim seçeneği yoktur.
  3. `.xml` dosyasını indirin.
  4. LibreOffice'te veya bir düzenleyicide açın ve taslak olarak değerlendirin.
  5. XML'de PDF'ten birkaç ayırt edici sözcük arayın. Bulamıyorsanız PDF'in muhtemelen metin katmanı yoktur ve önce OCR kullanmalısınız.
  6. XML'i otomatik bir şeye vermeden önce düzenin en zor olduğu yerleri, yani sütunları, tabloları ve dipnotları kontrol edin.

Sınırlar ve özel durumlar

  • Etiketli PDF veya XFDF/XFA çıkarma değildir
  • OCR değildir
  • Tablolar ve sayfalama PDF ile eşleşmez
  • Yazı tipleri adlandırılır ama gömülmez
  • Çok büyük veya karmaşık dosyalar, önce tüm belge içe aktarıldığı için başarısız olabilir veya uzun sürebilir
  • Bu sitedeki yükleme sınırı: dosya başına 500 MB; yaklaşık 95 MB üzerindeki dosyalar parçalar hâlinde gönderilir. Doğrudan tek bir API isteğinin gövdesi 100 MB ile sınırlıdır.

Örnekler

  • Kelime işlemciden gelen iki sayfalık yalnızca metin içeren bir bildirim: XML paragrafları stilleriyle tutar ve bildirimden bir cümle aramak onu bulur
  • Üç sütunlu bir dergi sayfası: metnin, içe aktarıcının sayfa okumasına göre sıralanmasını bekleyin; sütunlar iç içe geçebilir, bu yüzden sırayı kontrol edin
  • Metin katmanı olmayan 30 sayfalık bir tarama: XML çoğunlukla resim başvuruları içerir ve sonraki adım OCR'dir
  • Metin içeren bir bildirim çoğu zaman paragraf dizileri içeren büyük bir Office XML dosyası olur
  • Yalnızca taramadan oluşan bir PDF çoğu zaman çoğunlukla görüntüleri saran bir XML olur

Bu araç için gizlilik

Dosyalar HTTPS üzerinden yüklenir, bellek içinde veya sunucularımızdaki kısa ömürlü geçici bir dizinde işlenir ve sonucunuz hazır olduğunda silinir. Daha sonra gezinme, eğitim veya reklam profilleri için kopya tutmayız. Saklama ayrıntıları ve AdSense çerez bildirimleri için Gizlilik Politikası'na bakın.

Sık sorulan sorular

XML tablolarımı korur mu?
İçe aktarıcı düzeni tablo olarak tanırsa bir tabloyu koruyabilir, ancak sayfalama ve hücre sınırları en iyi çabayladır. Hedef satır ve sütunlarsa PDF'den CSV'ye daha doğrudan bir araçtır.
Dosya neden PDF'ten çok daha büyük?
Office XML her paragrafı, metin dizisini ve stili metin olarak açıkça yazar, resimler de gömülebilir; bu yüzden çıktı kaynaktan büyük olabilir. Bu biçimin bir özelliğidir, hata işareti değildir.
Taranmış bir belgede çalışır mı?
Yararlı bir biçimde çalışmaz. Metin katmanı yoksa sayfa resimlerinden başka içe aktarılacak bir şey yoktur. Önce metin sürümü almak için OCR yapın, sonra onu dönüştürün.
Etiketli bir PDF'ten etiketleri alabilir miyim?
Hayır. Erişilebilir bir PDF'in etiket ağacı dışa aktarılmaz. XML'deki yapı, içe aktarıcının düzen tahminlerinden gelir.
Dönüşüm başarısız olursa ne yapmalıyım?
PDF'te PDF onar'ı deneyin ve dönüşümü yeniden çalıştırın. Yine başarısız olursa dosya, içe aktarıcının okuyabileceğinden fazla hasar görmüş olabilir.
Yazı tipleri korunur mu?
İçe aktarıcı okuyabildiğinde yazı tipi adları stil olarak taşınır, ancak çıktı yazı tipi dosyalarını gömmez; yazı tipi kurulu değilse XML yedek yazı tipleriyle görüntülenir.
Bu, PDF'in iç XML'i mi?
Hayır. Bu, LibreOffice'in içe aktarılan belgeyi XML olarak dışa aktarmasıdır; PDF nesne ağacı değildir.
Tarama neden neredeyse boş?
LibreOffice'in içe aktaracak metni yok. Pikselden sözcük almak için OCR'den Markdown'a kullanın.
Başka bir XML türü seçebilir miyim?
Hayır. Dönüştürücü outputFormat'ı varsayılan olarak xml yapar ve bu yolda yalnızca o değere izin verir.
Bu, Word'e dönüştür'den nasıl farklı?
Aynı içe aktarıcı, farklı çıktı. Word docx/doc/odt verir. Bu yol xml verir.

Son güncelleme:

Koddan çağırın

Bu sitedeki her araç düz bir REST arayüzüdür. Anonim kullanım için hesap veya API anahtarı gerekmez. Tarayıcı, geliştirici ve yapay zeka ajanları için aynı şekilde kullanılabilir.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
  -F "[email protected]" \
  -o output.pdf

Model Context Protocol konuşan ajan istemcileri için MCP aracı olarak da kullanılabilir (JSON-RPC 2.0, POST /mcp). Tam API belgesi

Bir yapay zekâ ajanıyla kullanın

Beceri

Bu beceriyle Claude Code, Codex, Cursor ve diğer yapay zekâ ajanları sizin için "PDF'den XML'e" işlemini yapabilir: /skills/pdf123-pdf-to-xml.md

Tüm ajan becerileri

Dosyalar yalnızca bu işlem için kullanılır ve ardından otomatik silinir.