把 PDF 轉成 XML
PDF 轉 XML 透過 LibreOffice 匯入 PDF,回傳 Office 風格的 XML 檔案。它是盡力而為的文字和版面匯出,不是 PDF 結構或標籤的副本。
把檔案拖到這裡,或點一下選擇
支援 PDF · 每個檔案上限 500.0 MB · 一次最多 20 個檔案
也可以按 Ctrl/Cmd+V 或從剪貼簿選單貼上檔案。
PDF 轉 XML 把檔案送進 LibreOffice `writer_pdf_import`,`outputFormat=xml`。下載的是 Office 風格的 XML 文件(`octet-stream`),不是 PDF 內容串流或 tagged-PDF 結構的還原。
這和 PDF 轉 Word 是同一族 LibreOffice 匯入,只是目標換成 XML 而非 DOCX。版面、表格與字型都是盡力而為。沒有文字層的掃描檔會變成圖片或空的文字段落。
本頁沒有選項。有密碼保護的檔案,在你輸入密碼後會在本頁為你解鎖;API 呼叫端需先執行移除密碼。OCR 的 Markdown 不能送到這裡。
若要從表格取得資料列,PDF 轉 CSV 採用的是版面啟發式方法。若只要文字,PDF 轉文字的輸出更小。
輸出是單一 XML 檔案。它描述的是辦公室軟體所理解的文件:段落、文字段、樣式,以及任何嵌入的圖片。它描述的不是 PDF 本身,所以裡面找不到頁面物件、PDF 原本儲存的字型,或原始的內容串流運算子。
依下一個程式預期什麼來決定。如果你的管線已經在讀 LibreOffice 或 Office XML,這就是直接的輸入。如果你想在腳本中讀取文字,純文字更簡單。如果你想編輯版面,請改轉成 Word,再用編輯器開啟檔案。
由於匯入器是從定位好的文字重建段落,段落內的換行、欄位、頁首和頁尾,可能被放進與人工繪製不同的結構。請把 XML 當作需要檢查的初稿,而不是 PDF 的忠實鏡像。
功能
- LibreOffice `writer_pdf_import` 轉成 XML
- 不是 PDF 結構匯出,也不是 OCR
- 沒有頁面範圍或 schema 選項
- 匿名 API:/api/v1/convert/pdf/xml
適用情境
- 把原生電子版 PDF 交給已經在處理 Office XML 的管線
- 查看 LibreOffice 如何切分這份文件
- 下一步不適合用 DOCX 時,拿一份 XML 草稿
- 對同一份文件的兩次匯出,比對其 XML 輸出的差異,看結構有何不同
- 把含樣式名稱的段落層級文字拉進已經熟悉 Office XML 詞彙的腳本
如何把 PDF 轉成 XML?
- 上傳帶文字的 PDF。
- 點選處理。本頁沒有格式選項。
- 下載 `.xml` 檔案。
- 用 LibreOffice 或編輯器開啟,把它當草稿。
- 在 XML 中搜尋 PDF 裡幾個特有的字詞。如果找不到,PDF 可能沒有文字層,應該先用 OCR。
- 在把 XML 交給任何自動化流程之前,先檢查版面最棘手的地方,例如多欄、表格和註腳。
限制與邊界
- 不是 tagged-PDF,也不是 XFDF/XFA 抽取
- 不是 OCR
- 表格與分頁不會與 PDF 一致
- 字型只有名稱,不會嵌入
- 非常大或複雜的檔案可能失敗或耗時很久,因為整份文件會先被匯入
- 本網站的上傳上限:每個檔案 500 MB,超過約 95 MB 時分塊上傳。直接呼叫 API 時,單一請求本文上限為 100 MB。
示例
- 文書處理軟體產生的兩頁純文字備忘錄:XML 會包含帶樣式的段落,搜尋備忘錄中的句子就能找到
- 三欄的雜誌頁面:文字會依匯入器對頁面的判讀排序,可能讓各欄交錯,所以請檢查順序
- 沒有文字層的 30 頁掃描檔:XML 主要是圖片參照,下一步是 OCR
- 文字備忘錄常常變成帶段落文字段的大型 Office XML
- 純掃描 PDF 常常變成主要包著圖片的 XML
本工具的隱私說明
檔案經 HTTPS 上傳,在伺服器記憶體或短期暫存目錄中處理,結果就緒後即刪除。我們不會為日後瀏覽、訓練或廣告輪廓保留副本。留存期限與 AdSense Cookie 說明見隱私權政策。
常見問題
- XML 會保留我的表格嗎?
- 當匯入器把版面辨識為表格時,它可能會保留表格,但分頁與儲存格邊界都是盡力而為。如果目標是列與欄,PDF 轉 CSV 是更直接的工具。
- 為什麼檔案比 PDF 大這麼多?
- Office XML 會以文字逐一寫出每個段落、文字段和樣式,圖片也可能被嵌入,所以輸出可能比來源更大。這是格式本身的特性,不代表出錯。
- 掃描文件能用嗎?
- 派不上用場。沒有文字層的話,除了頁面圖片之外沒有東西可匯入。請先執行 OCR 取得文字版本,再轉換那份。
- 我能取得 tagged PDF 的標籤嗎?
- 不能。無障礙 PDF 的標籤樹不會被匯出。XML 中的結構來自匯入器對版面的猜測。
- 轉換失敗時該怎麼辦?
- 先對 PDF 執行修復,再重新轉換。如果仍然失敗,檔案可能損毀到匯入器無法讀取的程度。
- 字型會保留嗎?
- 匯入器讀得到字型名稱時,會以樣式的形式帶過來,但輸出不會嵌入字型檔,所以若沒有安裝該字型,XML 會以替代字型呈現。
- 這是 PDF 內部的 XML 嗎?
- 不是。這是 LibreOffice 把匯入的文件匯出為 XML,不是 PDF 物件樹。
- 為什麼掃描檔幾乎是空的?
- LibreOffice 沒有文字可匯入。想從像素取得文字,請用 OCR 轉 Markdown。
- 能選別的 XML 格式嗎?
- 不能。轉換器把 outputFormat 預設為 xml,這條路徑也只允許這個值。
- 和 PDF 轉 Word 有什麼不同?
- 匯入器相同,輸出不同。PDF 轉 Word 給 docx、doc 或 odt。這條路徑給 xml。
最後更新:
用程式碼呼叫
本站每個工具都是普通 REST 介面。匿名使用不需要帳號或 API Key,給瀏覽器、開發者與 AI 代理同樣可用。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdf也提供 MCP 工具,供說 Model Context Protocol 的用戶端呼叫(JSON-RPC 2.0,POST /mcp)。 完整 API 文件
在 AI 代理中使用
Skill裝上這個 Skill,Claude Code、Codex、Cursor 等 AI 代理就能替你完成「PDF 轉 XML」: /skills/pdf123-pdf-to-xml.md
檔案只用於本次處理,完成後自動刪除。