Sviluppatori
Alimentare un flusso di lavoro di elaborazione XML
Esporta il contenuto della pagina come XML per uno script o un'applicazione che comprenda la struttura di output documentata.
Un'utile attività PDF, resa semplice
Da PDF a XML.
Esporta testo, immagini e geometria dei disegni da PDF in formato XML.
Usa i controlli di pagina per ispezionare il tuo documento.
100%
Il tuo file è pronto.
Scarica il risultato o torna alle impostazioni per creare un'altra versione.
Advertisements
Ad placeholderResponsive · automatic size
Inviato per l'elaborazione temporanea all'avvio.
PDF
Come convertire da PDF a XML
- 01
Scegli il tuo documento
Carica un PDF dal tuo dispositivo.
- 02
Configura il risultato
Esamina le impostazioni disponibili, quindi avvia l'elaborazione.
- 03
Scarica il tuo file
Salva il risultato e controllalo prima di condividerlo.
Da PDF a XML
Esporta testo, immagini e geometria di disegno del PDF come XML. Seleziona le pagine e scarica una descrizione strutturata, con le risorse immagine pacchettizzate insieme quando necessario.
VIDEO TUTORIAL RAPIDO
Come convertire PDF in XML con dati di layout
Ottieni dati di pagina strutturati per il tuo flusso di lavoro.
Narrazione in inglese
Guarda il video
Modi pratici per utilizzare questo strumento
Ricercatori
Ispezionare le posizioni del testo
Utilizza le coordinate del contenuto per studiare il layout della pagina; si riferiscono alla pagina PDF non ruotata piuttosto che ai pixel del browser.
Revisione tecnica
Separare l'estrazione dall'interpretazione
Esamina gli oggetti estratti prima di creare regole di analisi specifiche per il documento. Le scansioni necessitano di OCR per il testo riconosciuto.
Funzionalità e controlli
Esporta testo e geometria del disegno
Recupera una descrizione strutturata del contenuto della pagina anziché una semplice trascrizione.
Schema, coordinate e rotazione della pagina
La struttura versionata include pagine, blocchi di testo ed estensioni, font, riquadri di delimitazione e percorsi di disegno vettoriale. Le coordinate sono espresse in punti PDF dall'origine in alto a sinistra della pagina non ruotata; la rotazione viene registrata separatamente. Questo può supportare l'indicizzazione o l'analisi del documento, ma il convertitore non deduce il tuo schema aziendale o i nomi dei campi semantici.
Mantieni le risorse immagine accanto ai dati
Ricevi un file di dati diretto o un file ZIP quando sono incluse immagini estratte.
File di dati e immagini referenziate
Quando una pagina contiene dati immagine, l'archivio contiene document.json o document.xml più i file immagine referenziati ed eventuali maschere supportate. Mantieni questi percorsi insieme quando carichi i dati altrove. Una scansione di sole immagini rimane un dato immagine; questa esportazione non esegue l'OCR per inventare estensioni di testo mancanti.
Scegli le pagine di cui hai bisogno
Elabora l'intero documento o inserisci numeri di pagina e intervalli specifici.
Intervalli di pagine e numerazione
Usa le posizioni PDF, a partire da 1, anziché i numeri stampati sulla pagina. Un elenco come 1, 3-5 include quattro pagine. Un intervallo vuoto utilizza ogni pagina. Controlla l'anteprima quando il documento include una copertina o capitoli numerati in modo diverso. Solo le pagine scelte sono incluse in questa conversione.
Usa OCR per pagine contenenti solo immagini
L'estrazione del testo legge un livello di testo; non riconosce le lettere nelle immagini.
Scansioni, pagine vuote e OCR
L'estrazione utilizza un livello di testo esistente e non riconosce le lettere nelle immagini di pagina. Se una pagina non ha testo leggibile, usa PDF OCR separatamente. Una pagina vuota può anche non produrre testo. Per PDF misti, ispeziona le pagine vuote o illeggibili individualmente. L'OCR elabora una pagina selezionata alla volta.
File supportati ed elaborazione
- Input
- Output
- XML, ZIP
Apri un PDF fino a 100 MB e 750 pagine sorgente. I file protetti necessitano di una copia sbloccata a meno che questo strumento non offra esplicitamente l'inserimento della password. Pagine grandi o complesse possono richiedere più memoria o raggiungere i limiti di elaborazione anche quando il file rientra in questi limiti.
L'elaborazione utilizza i nostri server. I file sorgente, i file temporanei e i risultati vengono eliminati dai nostri server entro 30 minuti dal termine dell'elaborazione. Non condividiamo i contenuti dei documenti con terze parti né li utilizziamo per addestrare modelli di intelligenza artificiale.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
FAQ
Alcune risposte utili
Sappi cosa aspettarti prima di iniziare.
Elaborazione temporanea sul serverPDF a XML riconosce i campi delle fatture o il significato delle tabelle?
Esporta il contenuto e la geometria della pagina, non campi aziendali nominati automaticamente. La tua applicazione deve interpretare tale struttura. Per le celle delle tabelle, usa Estrai Tabelle da PDF; per le scansioni, usa PDF OCR.
Quali informazioni contiene l'esportazione strutturata?
La struttura versionata include pagine, blocchi di testo e span, font, riquadri di delimitazione e percorsi di disegno vettoriale. Le coordinate sono in punti PDF dall'origine in alto a sinistra della pagina non ruotata; la rotazione viene registrata separatamente. Questo può supportare l'indicizzazione o l'analisi del documento, ma il convertitore non deduce il tuo schema aziendale o i nomi dei campi semantici.
Perché il download contiene a volte uno ZIP?
Quando una pagina contiene dati immagine, l'archivio contiene document.json o document.xml più i file immagine referenziati ed eventuali maschere supportate. Mantieni quei percorsi insieme quando carichi i dati altrove. Una scansione composta solo da immagini rimane un dato immagine; questa esportazione non esegue l'OCR per inventare span di testo mancanti.
Questo strumento estrarrà le parole da una scansione composta solo da immagini?
L'estrazione utilizza un livello di testo esistente e non riconosce le lettere nelle immagini delle pagine. Se una pagina non ha testo leggibile, utilizza PDF OCR separatamente. Anche una pagina vuota potrebbe non produrre testo. Per i PDF misti, ispeziona singolarmente le pagine vuote o illeggibili. L'OCR elabora una pagina selezionata alla volta.
Quali sono i limiti di file e pagine?
Apri un PDF fino a 100 MB e 750 pagine sorgente. I file protetti necessitano di una copia sbloccata a meno che questo strumento non offra esplicitamente l'inserimento della password. Pagine grandi o complesse possono richiedere più memoria o raggiungere i limiti di elaborazione anche quando il file rientra in questi limiti.
Dove viene elaborato il mio documento?
Questo strumento utilizza i nostri server per l'elaborazione. Il tuo file originale non viene sovrascritto; il risultato è un download separato. Visualizza e controlla il risultato dove disponibile e scarica la copia di cui hai bisogno prima di ricominciare.
