Перейти до основного вмісту
PPDF123

Перетворення PDF на XML

PDF у XML імпортує PDF через LibreOffice і повертає XML-файл у стилі Office. Це експорт тексту й макета за можливістю, а не копія структури чи тегів PDF.

Перетягніть файли сюди або натисніть, щоб вибрати

Формати: PDF · до 500.0 MB на файл · до 20 файлів за раз

Файл також можна вставити через Ctrl/Cmd+V або з меню буфера обміну.

PDF у XML надсилає файл у LibreOffice `writer_pdf_import` з `outputFormat=xml`. Завантаження — це XML-документ у стилі Office (`octet-stream`), а не відтворення потоків вмісту PDF чи структури tagged PDF.

Це та сама родина імпорту LibreOffice, що й «PDF у Word», тільки результат — XML замість DOCX. Верстка, таблиці й шрифти відтворюються за можливості. Скани без текстового шару імпортуються як картинки або порожні фрагменти тексту.

Опцій на цій сторінці немає. Файли, захищені паролем, на цій сторінці розблоковуються за вас, щойно ви введете пароль; виклики через API спочатку виконують «Зняти пароль». Markdown з OCR сюди не подається.

Якщо потрібні рядки таблиці, «PDF у CSV» — це евристика макета. Якщо потрібні лише слова, «PDF у RTF (текст)» дає менший файл.

Результат — один XML-файл. Він описує документ так, як його розуміє офісний пакет: абзаци, фрагменти тексту, стилі та вбудовані картинки. Він не описує сам PDF, тож у ньому не буде об’єктів сторінок, шрифтів у тому вигляді, як їх зберігав PDF, чи оригінальних операторів потоку вмісту.

Вирішуйте за тим, чого очікує ваша наступна програма. Якщо конвеєр уже читає XML LibreOffice чи Office, це прямий вхід. Якщо хочете читати слова скриптом, простіший звичайний текст. Якщо хочете редагувати макет, перетворіть на Word і відкрийте файл у редакторі.

Оскільки імпортер відновлює абзаци з позиціонованого тексту, розриви рядків усередині абзацу, колонки, колонтитули можуть опинитися в іншій структурі, ніж намалювала б людина. Ставтеся до XML як до першого проходу, який треба перевірити, а не як до точного дзеркала PDF.

Що вміє

  • LibreOffice `writer_pdf_import` → XML
  • Не дамп структури PDF і не OCR
  • Без діапазону сторінок і опцій схеми
  • Анонімний API: /api/v1/convert/pdf/xml

Коли брати цей інструмент

  • Подати цифровий PDF у конвеєр, який уже працює з Office XML
  • Подивитися, як LibreOffice розбив документ на частини
  • Отримати чорновий XML, коли DOCX — хибний наступний крок
  • Порівняти, як структуровано два експорти того самого документа, зіставивши їхні XML
  • Витягти текст на рівні абзаців із назвами стилів у скрипт, який уже знає лексику Office XML

Як перетворити PDF на XML?

  1. Вивантажте PDF із текстом.
  2. Натисніть «Обробити». Вибору формату на цій сторінці немає.
  3. Завантажте файл `.xml`.
  4. Відкрийте його в LibreOffice або редакторі й сприймайте як чернетку.
  5. Пошукайте в XML кілька характерних слів із PDF. Якщо їх немає, у PDF, імовірно, відсутній текстовий шар, і спершу слід виконати OCR.
  6. Перевірте місця, де верстка найскладніша, як-от колонки, таблиці й виноски, перш ніж передавати XML будь-чому автоматизованому.

Обмеження і межі

  • Не витягання tagged PDF чи XFDF/XFA
  • Не OCR
  • Таблиці й розбиття на сторінки не збігатимуться з PDF
  • Шрифти названі, але не вбудовані
  • Дуже великі чи складні файли можуть не обробитися або обробляться довго, бо спершу імпортується весь документ
  • Обмеження завантаження на цьому сайті: 500 МБ на файл; якщо файл більший за приблизно 95 МБ, він надсилається частинами. Тіло одного прямого запиту до API — не більше 100 МБ.

Приклади

  • Двосторінковий текстовий службовий лист із текстового процесора: XML містить абзаци з їхніми стилями, і речення з листа в ньому можна знайти пошуком
  • Сторінка журналу з трьома колонками: очікуйте, що текст буде впорядковано за читанням сторінки імпортером, яке може перемішати колонки, тож перевірте порядок
  • Скан на 30 сторінок без текстового шару: XML здебільшого містить посилання на картинки, а наступний крок — OCR
  • Текстовий службовий лист часто стає великим Office XML-файлом із фрагментами абзаців
  • PDF лише зі сканами часто стає XML, що здебільшого обгортає зображення

Приватність цього інструмента

Файли надсилаються через HTTPS, обробляються в оперативній пам’яті або в короткочасному тимчасовому каталозі на наших серверах і видаляються, щойно результат готовий. Копій для подальшого перегляду, навчання моделей чи рекламних профілів ми не зберігаємо. Строки зберігання та відомості про файли cookie AdSense наведені в Політиці конфіденційності.

Часті запитання

Чи зберігає XML мої таблиці?
Може зберегти таблицю, якщо імпортер розпізнає макет як таблицю, але розбиття на сторінки й межі клітинок відтворюються за можливості. Якщо мета — рядки й стовпці, прямішим інструментом є «PDF у CSV».
Чому файл набагато більший за PDF?
Office XML розписує кожен абзац, фрагмент тексту й стиль текстом, а картинки можуть бути вбудовані, тож результат може бути більшим за джерело. Це властивість формату, а не ознака помилки.
Чи спрацює це для відсканованого документа?
Не з користю. Без текстового шару імпортувати нічого, крім картинок сторінок. Спочатку виконайте OCR, щоб отримати текстову версію, а потім перетворіть її.
Чи можна отримати теги з tagged PDF?
Ні. Дерево тегів доступного PDF не експортується. Структура в XML береться з припущень імпортера про макет.
Що робити, якщо перетворення не вдалося?
Спробуйте «Полагодити PDF» і запустіть перетворення знову. Якщо знову невдача, файл, можливо, пошкоджений так, що імпортер не може його прочитати.
Чи зберігаються шрифти?
Назви шрифтів переносяться як стилі, коли імпортер може їх прочитати, але файли шрифтів у результат не вбудовуються, тож XML відображатиметься із замінниками, якщо шрифт не встановлено.
Це внутрішній XML PDF?
Ні. Це LibreOffice експортує імпортований документ як XML, а не дерево об’єктів PDF.
Чому скан майже порожній?
У LibreOffice немає тексту для імпорту. Для слів із пікселів скористайтеся «OCR у Markdown».
Чи можна обрати інший різновид XML?
Ні. Перетворювач типово ставить outputFormat у xml і на цьому шляху дозволяє лише це значення.
Чим це відрізняється від «PDF у Word»?
Той самий імпортер, інший результат. Word дає docx/doc/odt. Цей шлях дає xml.

Востаннє оновлено:

Виклик із коду

Кожен інструмент на сайті - звичайний REST-інтерфейс. Для анонімної роботи не потрібні обліковий запис чи ключ API. І для браузера, і для розробників, і для програмних агентів.

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

Також є як MCP-інструмент для клієнтів із Model Context Protocol (JSON-RPC 2.0 через POST /mcp). Повний довідник API

Використати через ШІ-агента

Скіл

З цим скілом Claude Code, Codex, Cursor та інші ШІ-агенти зможуть виконати «PDF у XML» замість вас: /skills/pdf123-pdf-to-xml.md

Усі скіли для агентів

Файли потрібні лише для цієї обробки й потім стираються самі.