Entwickler
Einen XML-Verarbeitungsworkflow speisen
Exportieren Sie Seiteninhalte als XML für ein Skript oder eine Anwendung, die die dokumentierte Ausgabestruktur versteht.
Eine nützliche PDF-Aufgabe, einfach gemacht
PDF zu XML.
Exportieren Sie PDF-Text, Bilder und Zeichnungsgeometrie als XML.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
Verwenden Sie die Seitensteuerelemente, um Ihr Dokument zu überprüfen.
100%
Ihre Datei ist bereit.
Laden Sie Ihr Ergebnis herunter oder kehren Sie zu den Einstellungen zurück, um eine weitere Version zu erstellen.
Advertisements
Ad placeholderResponsive · automatic size
Wird beim Start zur temporären Verarbeitung gesendet.
PDF
Wie man PDF zu XML konvertiert
- 01
Wählen Sie Ihr Dokument
Laden Sie eine PDF-Datei von Ihrem Gerät hoch.
- 02
Richten Sie das Ergebnis ein
Überprüfen Sie die verfügbaren Einstellungen und starten Sie dann die Verarbeitung.
- 03
Laden Sie Ihre Datei herunter
Speichern Sie das Ergebnis und überprüfen Sie es, bevor Sie es teilen.
PDF zu XML
Exportieren Sie PDF-Text, Bilder und Zeichnungsgeometrie als XML. Wählen Sie Seiten aus und laden Sie eine strukturierte Beschreibung herunter, bei Bedarf zusammen mit den zugehörigen Bilddateien.
KURZE VIDEOANLEITUNG
So konvertieren Sie PDF in XML mit Layout-Daten
Erhalten Sie strukturierte Seitendaten für Ihren eigenen Workflow.
Englische Erzählung
Video ansehen
Praktische Anwendungsmöglichkeiten für dieses Tool
Forscher
Textpositionen untersuchen
Verwenden Sie Inhaltskoordinaten, um das Seitenlayout zu studieren; sie beziehen sich auf die nicht gedrehte PDF-Seite und nicht auf Browser-Pixel.
Technische Überprüfung
Extraktion von Interpretation trennen
Überprüfen Sie extrahierte Objekte, bevor Sie dokumentspezifische Parsing-Regeln erstellen. Scans benötigen OCR für erkannten Text.
Funktionen und Steuerelemente
Text und Zeichnungsgeometrie exportieren
Rufen Sie eine strukturierte Beschreibung des Seiteninhalts ab, anstatt nur ein einfaches Transkript.
Schema, Koordinaten und Seitendrehung
Die versionierte Struktur umfasst Seiten, Textblöcke und -spannen, Schriftarten, Begrenzungsrahmen und Vektorzeichenpfade. Koordinaten werden in PDF-Punkten vom oberen linken Ursprung der ungedrehten Seite angegeben; die Drehung wird separat aufgezeichnet. Dies kann die Indizierung oder Dokumentenanalyse unterstützen, aber der Konverter leitet nicht Ihr eigenes geschäftliches Schema oder semantische Feldnamen ab.
Bild-Assets neben den Daten behalten
Erhalten Sie eine direkte Datendatei oder eine ZIP-Datei, wenn extrahierte Bilder enthalten sind.
Datendatei und referenzierte Bilder
Wenn eine Seite Bilddaten enthält, enthält das Archiv document.json oder document.xml sowie referenzierte Bilddateien und alle unterstützten Masken. Halten Sie diese Pfade zusammen, wenn Sie die Daten an anderer Stelle laden. Ein reiner Bildscan bleibt ein Bilddatensatz; dieser Export führt kein OCR durch, um fehlende Textspannen zu erfinden.
Wählen Sie die Seiten aus, die Sie benötigen
Verarbeiten Sie das gesamte Dokument oder geben Sie spezifische Seitenzahlen und Bereiche ein.
Seitenbereiche und Nummerierung
Verwenden Sie PDF-Positionen, beginnend bei 1, anstatt der auf der Seite gedruckten Nummern. Eine Liste wie 1, 3-5 umfasst vier Seiten. Ein leerer Bereich verwendet jede Seite. Überprüfen Sie die Vorschau, wenn das Dokument ein Deckblatt oder unterschiedlich nummerierte Kapitel enthält. Nur die ausgewählten Seiten werden in diese Konvertierung einbezogen.
OCR für reine Bildseiten verwenden
Die Textextraktion liest eine Textebene; sie erkennt keine Buchstaben in Bildern.
Scans, leere Seiten und OCR
Die Extraktion verwendet eine vorhandene Textebene und erkennt keine Buchstaben in Seitenbildern. Wenn eine Seite keinen lesbaren Text enthält, verwenden Sie PDF-OCR separat. Eine leere Seite kann ebenfalls keinen Text erzeugen. Überprüfen Sie bei gemischten PDFs leere oder unleserliche Seiten einzeln. OCR verarbeitet jeweils eine ausgewählte Seite.
Unterstützte Dateien & Verarbeitung
- Eingabe
- Ausgabe
- XML, ZIP
Öffnen Sie ein PDF mit bis zu 100 MB und 750 Quellseiten. Geschützte Dateien benötigen eine entsperrte Kopie, es sei denn, dieses Werkzeug bietet explizit eine Passworteingabe an. Große oder komplexe Seiten können mehr Speicher erfordern oder Verarbeitungsgrenzen erreichen, selbst wenn die Datei innerhalb dieser Limits liegt.
Die Verarbeitung erfolgt auf unseren Servern. Quelldateien, temporäre Dateien und Ergebnisse werden innerhalb von 30 Minuten nach Abschluss der Verarbeitung von unseren Servern gelöscht. Wir geben Dokumentinhalte nicht an Dritte weiter und verwenden sie nicht zum Training von KI-Modellen.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
FAQ
Ein paar nützliche Antworten
Wissen Sie, was Sie erwartet, bevor Sie beginnen.
Temporäre SerververarbeitungErkennt PDF zu XML Rechnungsfelder oder Tabellenbedeutungen?
Es exportiert Seiteninhalt und Geometrie, keine automatisch benannten Geschäftsfelder. Ihre Anwendung muss diese Struktur interpretieren. Verwenden Sie für Tabellenzellen „Tabellen aus PDF extrahieren“; für Scans verwenden Sie PDF-OCR.
Welche Informationen enthält der strukturierte Export?
Die versionierte Struktur umfasst Seiten, Textblöcke und Spannen, Schriftarten, Begrenzungsrahmen und Vektorgrafikpfade. Die Koordinaten sind in PDF-Punkten vom Ursprung oben links der nicht gedrehten Seite angegeben; die Drehung wird separat aufgezeichnet. Dies kann die Indizierung oder Dokumentenanalyse unterstützen, aber der Konverter leitet kein eigenes Geschäftsschema oder semantische Feldnamen ab.
Warum enthält der Download manchmal ein ZIP?
Wenn eine Seite Bilddaten enthält, enthält das Archiv document.json oder document.xml sowie referenzierte Bilddateien und alle unterstützten Masken. Bewahren Sie diese Pfade zusammen auf, wenn Sie die Daten an anderer Stelle laden. Ein reiner Bild-Scan bleibt ein Bilddatensatz; dieser Export führt keine OCR durch, um fehlende Textspannen zu erfinden.
Extrahiert dies Wörter aus einem reinen Bild-Scan?
Die Extraktion verwendet eine vorhandene Textebene und erkennt keine Buchstaben in Seitenbildern. Wenn eine Seite keinen lesbaren Text enthält, verwenden Sie bitte separat PDF-OCR. Eine leere Seite kann ebenfalls zu keinem Text führen. Bei gemischten PDFs sollten leere oder unleserliche Seiten einzeln überprüft werden. OCR verarbeitet jeweils eine ausgewählte Seite.
Was sind die Datei- und Seitenlimits?
Öffnen Sie ein PDF mit bis zu 100 MB und 750 Quellseiten. Geschützte Dateien benötigen eine entsperrte Kopie, es sei denn, dieses Werkzeug bietet explizit eine Passworteingabe an. Große oder komplexe Seiten können mehr Speicher erfordern oder Verarbeitungsgrenzen erreichen, selbst wenn die Datei innerhalb dieser Limits liegt.
Wo wird mein Dokument verarbeitet?
Dieses Tool verwendet unsere Server zur Verarbeitung. Ihre Originaldatei wird nicht überschrieben; das Ergebnis ist ein separater Download. Vorschau und Überprüfung des Ergebnisses sind dort möglich, wo verfügbar; laden Sie die benötigte Kopie herunter, bevor Sie von vorne beginnen.
