Fejlesztők
XML-feldolgozási munkafolyamat táplálása
Exportálja az oldal tartalmát XML formátumban egy olyan szkript vagy alkalmazás számára, amely érti a dokumentált kimeneti struktúrát.
Hasznos PDF-feladat, egyszerűen
PDF konvertálása XML-be.
Exportálja a PDF-szöveget, képeket és rajzi geometriát XML formátumba.
Használja az oldalvezérlőket a dokumentum ellenőrzéséhez.
100%
A fájlja készen áll.
Töltse le az eredményt, vagy térjen vissza a beállításokhoz egy másik verzió elkészítéséhez.
Advertisements
Ad placeholderResponsive · automatic size
A folyamat elindításakor ideiglenes feldolgozásra kerül.
PDF
Hogyan konvertáljunk PDF-et XML-be
- 01
Válassza ki a dokumentumát
Töltsön fel egy PDF-et az eszközéről.
- 02
Állítsa be az eredményt
Tekintse át az elérhető beállításokat, majd indítsa el a feldolgozást.
- 03
Töltse le a fájlt
Mentse el az eredményt, és ellenőrizze a megosztás előtt.
PDF-ből XML-be
Exportálja a PDF szövegét, képeit és rajzi geometriáját XML formátumba. Válasszon ki oldalakat, és töltsön le egy strukturált leírást, szükség esetén a mellékelt képfájlokkal együtt.
GYORS VIDEÓTUTORIÁL
Hogyan konvertáljunk PDF-et XML-be elrendezési adatokkal
Szerezzen strukturált oldaladatokat saját munkafolyamatához.
Angol narráció
Videó megtekintése
Gyakorlati módszerek az eszköz használatához
Kutatók
Szövegpozíciók vizsgálata
Használja a tartalom koordinátáit az oldalelrendezés tanulmányozásához; ezek az el nem forgatott PDF-oldalra vonatkoznak, nem a böngésző képpontjaira.
Technikai áttekintés
Kinyerés és értelmezés szétválasztása
Tekintse át a kinyert objektumokat a dokumentumspecifikus elemzési szabályok felépítése előtt. A szkennelt dokumentumokhoz OCR szükséges a felismert szöveghez.
Funkciók és vezérlők
Szöveg és rajzi geometria exportálása
Az oldal tartalmának strukturált leírását kérje le, ne csak egy egyszerű átiratot.
Séma, koordináták és oldalforgatás
A verziózott struktúra tartalmazza az oldalakat, szövegblokkokat és szakaszokat, betűtípusokat, határolókereteket és vektorgrafikus rajzútvonalakat. A koordináták PDF-pontokban értendők az elforgatatlan oldal bal felső sarkától számítva; a forgatás külön kerül rögzítésre. Ez támogathatja az indexelést vagy a dokumentumelemzést, de a konvertáló nem következteti ki az Ön saját üzleti sémáját vagy szemantikai mezőneveit.
Tartsa a képfájlokat az adatok mellett
Közvetlen adatfájlt vagy ZIP-et kap, ha a kinyert képek is benne vannak.
Adatfájl és hivatkozott képek
Amikor egy oldal képadatokat tartalmaz, az archívum tartalmazza a document.json vagy document.xml fájlt, valamint a hivatkozott képfájlokat és a támogatott maszkokat. Tartsa ezeket az útvonalakat együtt, amikor az adatokat máshol tölti be. A csak képet tartalmazó szkennelés képadat marad; ez az exportálás nem végez OCR-t a hiányzó szövegrészek kitalálásához.
Válassza ki a szükséges oldalakat
Dolgozza fel a teljes dokumentumot, vagy adjon meg konkrét oldalszámokat és tartományokat.
Oldaltartományok és számozás
Használja a PDF pozíciókat, 1-től kezdve, ahelyett, ami az oldalra van nyomtatva. Egy lista, például 1, 3-5, négy oldalt tartalmaz. Az üres tartomány minden oldalt használ. Ellenőrizze az előnézetet, ha a dokumentum borítót vagy eltérően számozott fejezeteket tartalmaz. Csak a kiválasztott oldalak kerülnek bele ebbe a konverzióba.
OCR használata csak képet tartalmazó oldalakhoz
A szövegkinyerés egy szövegréteget olvas; nem ismeri fel a képeken lévő betűket.
Szkennelések, üres oldalak és OCR
A kinyerés meglévő szövegréteget használ, és nem ismeri fel az oldalképeken lévő betűket. Ha egy oldal nem tartalmaz olvasható szöveget, használja külön a PDF OCR-t. Az üres oldal szintén nem eredményezhet szöveget. Vegyes PDF-ek esetén vizsgálja meg külön az üres vagy olvashatatlan oldalakat. Az OCR egyszerre egy kiválasztott oldalt dolgoz fel.
Támogatott fájlok és feldolgozás
- Bemenet
- Kimenet
- XML, ZIP
Nyisson meg egy PDF-et legfeljebb 100 MB méretig és 750 forrásoldallal. A védett fájlokhoz feloldott másolat szükséges, kivéve, ha ez az eszköz kifejezetten kínál jelszavas belépést. A nagy vagy összetett oldalak több memóriát igényelhetnek, vagy elérhetik a feldolgozási korlátokat akkor is, ha a fájl ezeken a határokon belül van.
A feldolgozás a szervereinken történik. A forrásfájlok, az ideiglenes fájlok és az eredmények a feldolgozás befejezése után 30 percen belül törlődnek szervereinkről. A dokumentumok tartalmát nem osztjuk meg harmadik felekkel, és nem használjuk fel AI-modellek betanítására.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
GYIK
Néhány hasznos válasz
Tudja meg, mire számíthat, mielőtt elkezdené.
Ideiglenes szerverfeldolgozásA PDF-ből XML-be konvertálás felismeri a számlamezőket vagy a táblázatok jelentését?
Az oldal tartalmát és geometriáját exportálja, nem az automatikusan elnevezett üzleti mezőket. Az alkalmazásának kell értelmeznie ezt a struktúrát. Táblázatcellákhoz használja a Táblázatok kinyerése PDF-ből funkciót; szkennelésekhez használja a PDF OCR-t.
Milyen információkat tartalmaz a strukturált export?
A verziózott struktúra tartalmazza az oldalakat, szövegblokkokat és szakaszokat, betűtípusokat, határolókereteket és vektoros rajzútvonalakat. A koordináták PDF-pontokban vannak megadva az el nem forgatott oldal bal felső origójától; az elforgatás külön kerül rögzítésre. Ez támogathatja az indexelést vagy a dokumentumelemzést, de a konverter nem következtet az Ön saját üzleti sémájára vagy szemantikai mezőneveire.
Miért tartalmaz a letöltés néha ZIP-et?
Amikor egy oldal képadatokat tartalmaz, az archívum tartalmazza a document.json vagy document.xml fájlt, valamint a hivatkozott képfájlokat és minden támogatott maszkot. Tartsa együtt ezeket az útvonalakat, amikor máshol tölti be az adatokat. A csak képet tartalmazó szkennelés képadat marad; ez az exportálás nem végez OCR-t a hiányzó szövegszakaszok kitalálásához.
Ez kinyeri a szavakat egy csak képet tartalmazó szkennelésből?
A kinyerés meglévő szövegréteget használ, és nem ismeri fel az oldal képein lévő betűket. Ha egy oldal nem tartalmaz olvasható szöveget, használja külön a PDF OCR-t. Az üres oldal szintén nem eredményez szöveget. Vegyes PDF-ek esetén vizsgálja meg külön az üres vagy olvashatatlan oldalakat. Az OCR egyszerre egy kiválasztott oldalt dolgoz fel.
Mik a fájl- és oldalméret-korlátok?
Nyisson meg egy PDF-et legfeljebb 100 MB méretig és 750 forrásoldallal. A védett fájlokhoz feloldott másolat szükséges, kivéve, ha ez az eszköz kifejezetten kínál jelszavas belépést. A nagy vagy összetett oldalak több memóriát igényelhetnek, vagy elérhetik a feldolgozási korlátokat akkor is, ha a fájl ezeken a határokon belül van.
Hol történik a dokumentumom feldolgozása?
Ez az eszköz a szervereinket használja a feldolgozáshoz. Az eredeti fájl nem íródik felül; az eredmény egy külön letöltés. Tekintse meg és ellenőrizze az eredményt, ahol elérhető, és töltse le a szükséges másolatot, mielőtt újrakezdené.
