Buka PDF kepada XML untuk mengeksport rekod halaman, blok teks dan data lukisan. PDF empat halaman kami menghasilkan document.xml berserta satu imej PNG yang dirujuk di dalam ZIP.
Pilih halaman PDF
Muatkan PDF dan biarkan Halaman kosong untuk keseluruhan dokumen, atau masukkan subset yang anda perlukan. Contoh kami merangkumi kesemua empat halaman.
Eksport dan pastikan aset kekal bersama
Pilih Mula. Eksport dengan aset imej dimuat turun sebagai ZIP. Ekstrak keseluruhan arkib dan simpan direktori images di sebelah document.xml.
Sampel tersebut merangkumi images/page-001-image-005.png. Rujukan imej menghala ke laluan aset dan bukannya membenamkan data binari dalam XML. Eksport tanpa aset imej boleh dimuat turun terus sebagai .xml.
Baca struktur dokumen
Sampel tersebut mengisytiharkan versi 1, unit pt dan asal atas-kiri. Rekod halaman merangkumi nombor halaman sumber, dimensi, putaran, blok dan lukisan. Koordinat menerangkan halaman yang tidak diputar; ambil kira putaran apabila menindih data.
Huraikan XML dengan penghurai XML. Nilai berulang menggunakan elemen item; sesetengah tupel geometri adalah nilai teks. Periksa struktur sebenar dan bukannya mengandaikan skema penerbitan seperti DocBook.
Semak urutan bacaan dan rujukan imej berbanding PDF asal sebelum menggunakan data dalam aliran kerja pemprosesan anda.
Soalan lazim
Adakah XML mengandungi bab semantik?
Ia menerangkan data halaman yang diekstrak. Maksud tajuk, urutan bacaan dan semantik dokumen mungkin memerlukan tafsiran anda sendiri.
Mengapa saya menerima ZIP?
Sampel tersebut mengandungi imej. ZIP memastikan document.xml dan aset yang dirujuk kekal bersama supaya imej dapat dikesan.
Cuba dengan dokumen anda
Semak hasil, kemudian simpan versi yang anda perlukan.
