Chuyển PDF sang XML
PDF sang XML nhập PDF qua LibreOffice và trả về tệp XML kiểu Office. Đây là bản xuất chữ và bố cục ở mức cố gắng, không phải bản sao cấu trúc hay thẻ của PDF.
Kéo tệp vào đây, hoặc nhấp để chọn
Nhận PDF · tối đa 500.0 MB mỗi tệp · tối đa 20 tệp mỗi lần
Bạn cũng có thể dán tệp bằng Ctrl/Cmd+V hoặc từ menu clipboard.
PDF sang XML đưa tệp vào LibreOffice `writer_pdf_import` với `outputFormat=xml`. Bản tải xuống là một tài liệu XML kiểu Office (`octet-stream`), không phải bản dựng lại các luồng nội dung PDF hay cấu trúc tagged-PDF.
Đây là cùng họ nhập của LibreOffice như Chuyển sang Word, chỉ nhắm tới XML thay vì DOCX. Bố cục, bảng và phông chữ đều ở mức cố gắng. Bản quét không có lớp chữ được nhập thành ảnh hoặc các đoạn trống.
Trang này không có tùy chọn nào. Tệp có mật khẩu được mở khóa giúp bạn ngay trên trang này khi bạn nhập mật khẩu; người gọi API chạy Gỡ mật khẩu trước. Markdown từ OCR không gửi được vào đây.
Nếu bạn cần lấy hàng từ một bảng, PDF sang CSV là công cụ dùng heuristic bố cục. Nếu bạn chỉ cần chữ, PDF sang văn bản nhẹ hơn.
Đầu ra là một tệp XML duy nhất. Nó mô tả một tài liệu theo cách một bộ ứng dụng văn phòng hiểu: đoạn văn, đoạn chữ, kiểu định dạng và mọi ảnh nhúng. Nó không mô tả bản thân PDF, nên bạn sẽ không thấy trong đó đối tượng trang, phông như PDF lưu, hay các toán tử luồng nội dung gốc.
Hãy quyết định theo thứ chương trình tiếp theo của bạn mong đợi. Nếu một quy trình đã đọc XML của LibreOffice hoặc Office, đây là đầu vào trực tiếp. Nếu bạn muốn đọc chữ trong một script, văn bản thuần đơn giản hơn. Nếu bạn muốn chỉnh bố cục, hãy chuyển sang Word rồi mở tệp trong trình soạn thảo.
Vì bộ nhập dựng lại các đoạn văn từ chữ đã được định vị, ngắt dòng trong đoạn, các cột, đầu trang và chân trang có thể được đặt vào cấu trúc khác với cách một người sẽ vẽ. Hãy coi XML là lượt đầu cần kiểm tra, không phải bản sao trung thực của PDF.
Tính năng
- LibreOffice `writer_pdf_import` thành XML
- Không phải xuất cấu trúc PDF, cũng không phải OCR
- Không có tùy chọn phạm vi trang hay schema
- API ẩn danh tại /api/v1/convert/pdf/xml
Khi nào nên dùng
- Đưa PDF sinh ở dạng số vào một quy trình đã đọc XML Office
- Xem LibreOffice đã chia tài liệu thành các token thế nào
- Lấy bản nháp XML khi DOCX không phải bước tiếp theo phù hợp
- So sánh cách hai bản xuất của cùng một tài liệu được cấu trúc bằng cách diff đầu ra XML của chúng
- Lấy chữ ở mức đoạn văn cùng tên kiểu định dạng vào một script đã biết từ vựng XML Office
Làm thế nào để chuyển PDF sang XML?
- Tải lên một PDF dựa trên chữ.
- Nhấp Bắt đầu xử lý. Trang này không có lựa chọn định dạng.
- Tải tệp `.xml` về.
- Mở bằng LibreOffice hoặc một trình soạn thảo và coi đó là bản nháp.
- Tìm trong XML vài từ đặc trưng từ PDF. Nếu không thấy, nhiều khả năng PDF không có lớp chữ và bạn nên dùng OCR trước.
- Kiểm tra những chỗ bố cục khó nhất, như cột, bảng và chú thích cuối trang, trước khi đưa XML cho bất cứ thứ gì tự động.
Giới hạn và ngoại lệ
- Không phải trích tagged-PDF hay XFDF/XFA
- Không phải OCR
- Bảng và phân trang sẽ không khớp với PDF
- Phông chữ được nêu tên nhưng không được nhúng
- Tệp rất lớn hoặc phức tạp có thể thất bại hoặc chạy lâu, vì toàn bộ tài liệu được nhập trước
- Giới hạn tải lên trên trang web này: 500 MB mỗi tệp, tệp lớn hơn khoảng 95 MB được gửi theo từng phần. Một yêu cầu API trực tiếp bị giới hạn ở 100 MB.
Ví dụ
- Một bản ghi nhớ hai trang chỉ có chữ từ trình soạn thảo văn bản: XML chứa các đoạn văn cùng kiểu định dạng, và tìm một câu trong bản ghi nhớ sẽ thấy nó
- Một trang tạp chí ba cột: hãy chờ chữ được sắp theo cách bộ nhập đọc trang, có thể đan xen các cột, nên hãy kiểm tra thứ tự
- Một bản quét 30 trang không có lớp chữ: XML chủ yếu chứa tham chiếu ảnh, và bước tiếp theo là OCR
- Một bản ghi nhớ chữ thường thành tệp XML Office lớn với các đoạn chữ
- PDF chỉ toàn bản quét thường thành XML chủ yếu bao quanh ảnh
Quyền riêng tư của công cụ này
Tệp được tải lên qua HTTPS, xử lý trong bộ nhớ hoặc thư mục tạm ngắn hạn trên máy chủ của chúng tôi, rồi bị xóa khi kết quả sẵn sàng. Chúng tôi không giữ bản sao để xem lại sau, huấn luyện mô hình hay lập hồ sơ quảng cáo. Thời hạn lưu giữ và cookie AdSense nằm trong Chính sách quyền riêng tư.
Câu hỏi thường gặp
- XML có giữ các bảng của tôi không?
- Có thể giữ bảng khi bộ nhập nhận ra bố cục đó là một bảng, nhưng phân trang và ranh giới ô chỉ ở mức cố gắng. Nếu mục tiêu là hàng và cột, PDF sang CSV là công cụ trực tiếp hơn.
- Vì sao tệp lớn hơn PDF nhiều như vậy?
- XML Office viết ra từng đoạn văn, đoạn chữ và kiểu định dạng bằng chữ, và ảnh có thể được nhúng, nên đầu ra có thể lớn hơn nguồn. Đó là đặc tính của định dạng, không phải dấu hiệu lỗi.
- Có dùng được cho tài liệu quét không?
- Không theo cách hữu ích. Không có lớp chữ thì chẳng có gì để nhập ngoài ảnh trang. Hãy chạy OCR trước để có bản chữ, rồi chuyển bản đó.
- Tôi có lấy được các thẻ từ một PDF có thẻ không?
- Không. Cây thẻ của PDF trợ năng không được xuất. Cấu trúc trong XML đến từ những phỏng đoán bố cục của bộ nhập.
- Tôi nên làm gì nếu chuyển đổi thất bại?
- Hãy thử Sửa PDF trên tệp rồi chạy lại chuyển đổi. Nếu vẫn thất bại, tệp có thể bị hỏng quá mức bộ nhập đọc được.
- Phông chữ có được giữ lại không?
- Tên phông được mang theo dưới dạng kiểu định dạng khi bộ nhập đọc được, nhưng đầu ra không nhúng tệp phông, nên XML sẽ hiển thị bằng phông thay thế nếu phông chưa được cài.
- Đây có phải XML nội bộ của PDF không?
- Không. Đây là LibreOffice xuất tài liệu đã nhập thành XML, không phải cây đối tượng PDF.
- Vì sao bản quét gần như trống?
- LibreOffice không có chữ để nhập. Muốn lấy chữ từ điểm ảnh, hãy dùng OCR sang Markdown.
- Tôi có chọn được kiểu XML khác không?
- Không. Bộ chuyển đổi mặc định outputFormat là xml và chỉ cho phép giá trị đó trên đường này.
- Khác Chuyển sang Word thế nào?
- Cùng bộ nhập, đầu ra khác. Word cho docx/doc/odt. Đường này cho xml.
Cập nhật lần cuối:
Gọi bằng mã
Mỗi công cụ trên trang là một API REST thông thường. Dùng ẩn danh không cần tài khoản hay API key. Trình duyệt, lập trình viên và agent đều gọi được.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfCũng có dạng công cụ MCP cho client dùng Model Context Protocol (JSON-RPC 2.0, POST /mcp). Tài liệu API đầy đủ
Dùng từ AI agent
SkillVới skill này, Claude Code, Codex, Cursor và các AI agent khác có thể chạy "PDF sang XML" thay bạn: /skills/pdf123-pdf-to-xml.md
Tệp chỉ dùng cho lần xử lý này, xong là tự xóa.