Ontwikkelaars
Voed een XML-verwerkingsworkflow
Exporteer pagina-inhoud als XML voor een script of applicatie die de gedocumenteerde uitvoerstructuur begrijpt.
Een nuttige PDF-taak, eenvoudig gemaakt
PDF naar XML.
Exporteer PDF-tekst, afbeeldingen en tekengeometrie als XML.
Gebruik de paginabediening om uw document te inspecteren.
100%
Je bestand is klaar.
Download je resultaat of keer terug naar de instellingen om een andere versie te maken.
Advertisements
Ad placeholderResponsive · automatic size
Verzonden voor tijdelijke verwerking wanneer u start.
PDF
Hoe pdf naar xml converteren
- 01
Kies uw document
Upload één PDF vanaf uw apparaat.
- 02
Stel het resultaat in
Controleer de beschikbare instellingen en start vervolgens de verwerking.
- 03
Download uw bestand
Sla het resultaat op en controleer het voordat u het deelt.
PDF naar XML
Exporteer PDF-tekst, afbeeldingen en tekengeometrie als XML. Selecteer pagina's en download een gestructureerde beschrijving, indien nodig met afbeeldingsassets erbij verpakt.
SNELLE VIDEO-TUTORIAL
Hoe converteer je PDF naar XML met lay-outgegevens
Verkrijg gestructureerde paginagegevens voor je eigen workflow.
Engelse vertelling
Bekijk de video
Praktische manieren om deze tool te gebruiken
Onderzoekers
Inspecteer tekstposities
Gebruik inhoudscoördinaten om de paginalay-out te bestuderen; ze verwijzen naar de niet-geroteerde PDF-pagina in plaats van naar browserpixels.
Technische beoordeling
Scheid extractie van interpretatie
Controleer geëxtraheerde objecten voordat u documentspecifieke parseerregels bouwt. Scans hebben OCR nodig voor herkende tekst.
Functies en bediening
Exporteer tekst en tekengeometrie
Haal een gestructureerde beschrijving van de pagina-inhoud op in plaats van een plat transcript.
Schema, coördinaten en paginarotatie
De geversioneerde structuur bevat pagina's, tekstblokken en spans, lettertypen, selectiekaders en vectortekenpaden. Coördinaten zijn in PDF-punten vanaf de linkerbovenhoek van de niet-geroteerde pagina; rotatie wordt apart geregistreerd. Dit kan indexering of documentanalyse ondersteunen, maar de converter leidt niet uw eigen bedrijfsschema of semantische veldnamen af.
Houd afbeeldingsassets bij de data
Ontvang een direct databestand of een ZIP wanneer geëxtraheerde afbeeldingen zijn inbegrepen.
Databestand en gerefereerde afbeeldingen
Wanneer een pagina afbeeldingsgegevens bevat, bevat het archief document.json of document.xml plus gerefereerde afbeeldingsbestanden en eventuele ondersteunde maskers. Houd die paden bij elkaar wanneer u de data elders laadt. Een scan die alleen uit afbeeldingen bestaat, blijft afbeeldingsdata; deze export voert geen OCR uit om ontbrekende tekstspans te verzinnen.
Kies de pagina's die u nodig heeft
Verwerk het hele document of voer specifieke paginanummers en bereiken in.
Pagina-bereiken en nummering
Gebruik PDF-posities, beginnend bij 1, in plaats van nummers die op de pagina zijn afgedrukt. Een lijst zoals 1, 3-5 bevat vier pagina's. Een leeg bereik gebruikt elke pagina. Controleer het voorbeeld wanneer het document een omslag of anders genummerde hoofdstukken bevat. Alleen de gekozen pagina's worden opgenomen in deze conversie.
Gebruik OCR voor pagina's met alleen afbeeldingen
Tekstextractie leest een tekstlaag; het herkent geen letters in afbeeldingen.
Scans, lege pagina's en OCR
Extractie gebruikt een bestaande tekstlaag en herkent geen letters in pagina-afbeeldingen. Als een pagina geen leesbare tekst heeft, gebruik dan PDF OCR afzonderlijk. Een lege pagina kan ook geen tekst produceren. Inspecteer voor gemengde PDF's lege of onleesbare pagina's afzonderlijk. OCR verwerkt één geselecteerde pagina tegelijk.
Ondersteunde bestanden & verwerking
- Invoer
- Uitvoer
- XML, ZIP
Open één PDF tot 100 MB en 750 bronpagina's. Beveiligde bestanden hebben een ontgrendelde kopie nodig, tenzij deze tool expliciet wachtwoordinvoer aanbiedt. Grote of complexe pagina's kunnen meer geheugen vereisen of verwerkingslimieten bereiken, zelfs als het bestand binnen deze limieten valt.
De verwerking maakt gebruik van onze servers. Bronbestanden, tijdelijke bestanden en resultaten worden binnen 30 minuten na voltooiing van de verwerking van onze servers verwijderd. Wij delen de inhoud van documenten niet met derden en gebruiken deze niet om AI-modellen te trainen.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
Veelgestelde vragen
Een paar nuttige antwoorden
Weet wat u kunt verwachten voordat u begint.
Tijdelijke serververwerkingHerkent PDF naar XML factuurvelden of tabelbetekenissen?
Het exporteert pagina-inhoud en geometrie, geen automatisch benoemde zakelijke velden. Uw applicatie moet die structuur interpreteren. Gebruik voor tabelcellen 'Tabellen uit PDF extraheren'; gebruik voor scans 'PDF OCR'.
Welke informatie bevat de gestructureerde export?
De versiebeheerde structuur bevat pagina's, tekstblokken en spans, lettertypen, begrenzingskaders en vectortekenpaden. Coördinaten zijn in PDF-punten vanaf de linkerbovenhoek van de niet-geroteerde pagina; rotatie wordt afzonderlijk geregistreerd. Dit kan indexering of documentanalyse ondersteunen, maar de converter leidt uw eigen bedrijfsschema of semantische veldnamen niet af.
Waarom bevat de download soms een ZIP?
Wanneer een pagina afbeeldingsgegevens bevat, bevat het archief document.json of document.xml plus de bijbehorende afbeeldingsbestanden en eventuele ondersteunde maskers. Houd die paden bij elkaar wanneer u de gegevens elders laadt. Een scan die alleen uit afbeeldingen bestaat, blijft afbeeldingsgegevens; deze export voert geen OCR uit om ontbrekende tekstspans te verzinnen.
Extraheert dit woorden uit een scan die alleen uit afbeeldingen bestaat?
Extractie gebruikt een bestaande tekstlaag en herkent geen letters in pagina-afbeeldingen. Als een pagina geen leesbare tekst heeft, gebruik dan PDF OCR afzonderlijk. Een lege pagina kan ook geen tekst opleveren. Inspecteer voor gemengde PDF's lege of onleesbare pagina's afzonderlijk. OCR verwerkt één geselecteerde pagina per keer.
Wat zijn de bestands- en paginalimieten?
Open één PDF tot 100 MB en 750 bronpagina's. Beveiligde bestanden hebben een ontgrendelde kopie nodig, tenzij deze tool expliciet wachtwoordinvoer aanbiedt. Grote of complexe pagina's kunnen meer geheugen vereisen of verwerkingslimieten bereiken, zelfs als het bestand binnen deze limieten valt.
Waar wordt mijn document verwerkt?
Deze tool gebruikt onze servers voor verwerking. Uw originele bestand wordt niet overschreven; het resultaat is een afzonderlijke download. Bekijk en controleer het resultaat waar beschikbaar en download de kopie die u nodig heeft voordat u opnieuw begint.
