跳至主要內容
PPDF123

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?

  1. 上傳帶文字的 PDF。
  2. 點選處理。本頁沒有格式選項。
  3. 下載 `.xml` 檔案。
  4. 用 LibreOffice 或編輯器開啟,把它當草稿。
  5. 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。
  6. 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

全部 Agent Skill

檔案只用於本次處理,完成後自動刪除。