تبدیل PDF به XML.

این ابزار محتوا و هندسه صفحه را خروجی می‌دهد، نه فیلدهای تجاری که به‌طور خودکار نام‌گذاری شده باشند. برنامه شما باید آن ساختار را تفسیر کند. برای سلول‌های جدول، از استخراج جداول از PDF استفاده کنید؛ برای اسکن‌ها، از PDF OCR استفاده کنید.

ساختار نسخه‌بندی‌شده شامل صفحات، بلوک‌های متنی و بازه‌ها، فونت‌ها، کادرهای محدودکننده و مسیرهای طراحی برداری است. مختصات بر حسب نقاط PDF از مبدأ بالا-چپ صفحه بدون چرخش هستند؛ چرخش به صورت جداگانه ثبت می‌شود. این می‌تواند از نمایه‌سازی یا تحلیل سند پشتیبانی کند، اما مبدل، طرح کسب‌وکار یا نام‌های فیلد معنایی شما را استنباط نمی‌کند.

هنگامی که یک صفحه حاوی داده‌های تصویری است، آرشیو شامل document.json یا document.xml به همراه فایل‌های تصویری ارجاع‌شده و هرگونه ماسک پشتیبانی‌شده است. هنگام بارگذاری داده‌ها در جای دیگر، آن مسیرها را کنار هم نگه دارید. اسکن فقط تصویری، داده تصویری باقی می‌ماند؛ این خروجی برای ابداع بازه‌های متنی گمشده، OCR انجام نمی‌دهد.

استخراج از لایه متنی موجود استفاده می‌کند و حروف را در تصاویر صفحه تشخیص نمی‌دهد. اگر صفحه‌ای متن قابل خواندن ندارد، از PDF OCR به صورت جداگانه استفاده کنید. یک صفحه خالی نیز ممکن است متنی تولید نکند. برای فایل‌های PDF ترکیبی، صفحات خالی یا غیرقابل خواندن را به صورت جداگانه بررسی کنید. فرآیند OCR در هر بار، یک صفحه انتخاب‌شده را پردازش می‌کند.

یک فایل PDF تا 100 مگابایت و 750 صفحه منبع را باز کنید. فایل‌های محافظت‌شده نیاز به یک کپی بازشده دارند مگر اینکه این ابزار صراحتاً امکان ورود رمز عبور را ارائه دهد. صفحات بزرگ یا پیچیده ممکن است به حافظه بیشتری نیاز داشته باشند یا حتی زمانی که فایل در این محدودیت‌ها است، به محدودیت‌های پردازش برسند.

این ابزار از سرورهای ما برای پردازش استفاده می‌کند. فایل اصلی شما بازنویسی نمی‌شود؛ نتیجه یک دانلود جداگانه است. پیش‌نمایش و نتیجه را در صورت موجود بودن بررسی کنید و قبل از شروع مجدد، کپی مورد نیاز خود را دانلود کنید.