Utviklere
Mat en XML-behandlingsarbeidsflyt
Eksporter sideinnhold som XML for et skript eller en applikasjon som forstår den dokumenterte utdatastrukturen.
En nyttig PDF-oppgave, gjort enkel
PDF til XML.
Eksporter PDF-tekst, bilder og tegningsgeometri som XML.
Bruk sidekontrollene for å inspisere dokumentet ditt.
100%
Filen din er klar.
Last ned resultatet ditt, eller gå tilbake til innstillingene for å lage en ny versjon.
Advertisements
Ad placeholderResponsive · automatic size
Sendes til midlertidig behandling når du starter.
PDF
Hvordan konvertere PDF til XML
- 01
Velg dokumentet ditt
Last opp én PDF fra enheten din.
- 02
Sett opp resultatet
Se gjennom tilgjengelige innstillinger, og start deretter behandlingen.
- 03
Last ned filen din
Lagre resultatet og sjekk det før du deler.
PDF til XML
Eksporter PDF-tekst, bilder og tegningsgeometri som XML. Velg sider og last ned en strukturert beskrivelse, med bildemateriale pakket sammen med den ved behov.
RASK VIDEOVEILEDNING
Slik konverterer du PDF til XML med layoutdata
Få strukturerte sidedata for din egen arbeidsflyt.
Engelsk fortellerstemme
Se videoen
Praktiske måter å bruke dette verktøyet på
Forskere
Inspiser tekstposisjoner
Bruk innholdskoordinater for å studere sidelayout; de refererer til den urotterte PDF-siden fremfor piksler i nettleseren.
Teknisk gjennomgang
Skill uttrekk fra tolkning
Gjennomgå uttrekkede objekter før du bygger dokumentspesifikke tolkningsregler. Skanninger trenger OCR for gjenkjent tekst.
Funksjoner og kontroller
Eksporter tekst og tegningsgeometri
Hent en strukturert beskrivelse av sideinnholdet i stedet for en ren avskrift.
Skjema, koordinater og siderotasjon
Den versjonerte strukturen inkluderer sider, tekstblokker og spenn, fonter, avgrensingsbokser og vektortegningsbaner. Koordinater er i PDF-punkter fra den uroterte sidens øverste venstre hjørne; rotasjon registreres separat. Dette kan støtte indeksering eller dokumentanalyse, men konverteren utleder ikke ditt eget forretningsskjema eller semantiske feltnavn.
Behold bildeelementer ved siden av dataene
Motta en direkte datafil eller en ZIP når ekstraherte bilder er inkludert.
Datafil og refererte bilder
Når en side inneholder bildedata, inneholder arkivet document.json eller document.xml pluss refererte bildefiler og eventuelle støttede masker. Hold disse banene samlet når du laster dataene andre steder. En bilde-skanning forblir bildedata; denne eksporten utfører ikke OCR for å finne opp manglende tekstspenn.
Velg sidene du trenger
Behandle hele dokumentet eller skriv inn spesifikke sidenumre og områder.
Sideområder og nummerering
Bruk PDF-posisjoner, med start på 1, i stedet for numre trykt på siden. En liste som 1, 3-5 inkluderer fire sider. Et tomt område bruker hver side. Sjekk forhåndsvisningen når dokumentet inkluderer et omslag eller kapitler med ulik nummerering. Bare de valgte sidene inkluderes i denne konverteringen.
Bruk OCR for sider som kun inneholder bilder
Tekstekstraksjon leser et tekstlag; den gjenkjenner ikke bokstaver i bilder.
Skanninger, tomme sider og OCR
Ekstraksjon bruker et eksisterende tekstlag og gjenkjenner ikke bokstaver i sidebilder. Hvis en side ikke har lesbar tekst, bruk PDF OCR separat. En blank side kan også gi ingen tekst. For blandede PDF-er, inspiser tomme eller uleselige sider individuelt. OCR behandler én valgt side om gangen.
Støttede filer og behandling
- Inndata
- Utdata
- XML, ZIP
Åpne én PDF på opptil 100 MB og 750 kildesider. Beskyttede filer trenger en ulåst kopi med mindre dette verktøyet eksplisitt tilbyr passordinntasting. Store eller komplekse sider kan kreve mer minne eller nå behandlingsgrenser selv når filen er innenfor disse grensene.
Behandlingen bruker våre servere. Kildefiler, midlertidige filer og resultater slettes fra våre servere innen 30 minutter etter at behandlingen er fullført. Vi deler ikke dokumentinnhold med tredjeparter eller bruker det til å trene AI-modeller.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
FAQ
Noen nyttige svar
Vit hva du kan forvente før du starter.
Midlertidig serverbehandlingGjenkjenner PDF til XML fakturafelt eller tabellbetydninger?
Den eksporterer sideinnhold og geometri, ikke automatisk navngitte forretningsfelt. Applikasjonen din må tolke den strukturen. For tabellceller, bruk Trekk ut tabeller fra PDF; for skanninger, bruk PDF OCR.
Hvilken informasjon inneholder den strukturerte eksporten?
Den versjonerte strukturen inkluderer sider, tekstblokker og spenn, fonter, avgrensingsbokser og vektortegningsbaner. Koordinater er i PDF-punkter fra den urotterte sidens øverste venstre opprinnelse; rotasjon registreres separat. Dette kan støtte indeksering eller dokumentanalyse, men konvertereren utleder ikke din egen forretningsmodell eller semantiske feltnavn.
Hvorfor inneholder nedlastingen noen ganger en ZIP-fil?
Når en side inneholder bildedata, inneholder arkivet document.json eller document.xml pluss refererte bildefiler og eventuelle støttede masker. Hold disse banene sammen når du laster dataene andre steder. En skanning som kun består av bilder forblir bildedata; denne eksporten utfører ikke OCR for å finne opp manglende tekstspenn.
Vil dette trekke ut ord fra en skanning som kun består av bilder?
Uttrekket bruker et eksisterende tekstlag og gjenkjenner ikke bokstaver i sidebilder. Hvis en side ikke har lesbar tekst, bruk PDF OCR separat. En blank side kan også produsere ingen tekst. For blandede PDF-er, inspiser tomme eller uleselige sider individuelt. OCR behandler én valgt side om gangen.
Hva er fil- og sidebegrensningene?
Åpne én PDF på opptil 100 MB og 750 kildesider. Beskyttede filer trenger en ulåst kopi med mindre dette verktøyet eksplisitt tilbyr passordinntasting. Store eller komplekse sider kan kreve mer minne eller nå behandlingsgrenser selv når filen er innenfor disse grensene.
Hvor blir dokumentet mitt behandlet?
Dette verktøyet bruker serverne våre til behandling. Den originale filen din blir ikke overskrevet; resultatet er en separat nedlasting. Forhåndsvis og gå gjennom resultatet der det er tilgjengelig, og last ned kopien du trenger før du starter på nytt.
