Vývojári
Napájajte pracovný postup spracovania XML
Exportujte obsah strany ako XML pre skript alebo aplikáciu, ktorá rozumie zdokumentovanej výstupnej štruktúre.
Užitočná úloha s PDF, jednoducho vyriešená
PDF do XML.
Exportujte text, obrázky a geometriu výkresov z PDF do formátu XML.
Použite ovládacie prvky strán na kontrolu dokumentu.
100%
Váš súbor je pripravený.
Stiahnite si výsledok alebo sa vráťte k nastaveniam a vytvorte ďalšiu verziu.
Advertisements
Ad placeholderResponsive · automatic size
Odoslané na dočasné spracovanie po spustení.
PDF
Ako previesť PDF do XML
- 01
Vyberte dokument
Nahrajte jedno PDF zo svojho zariadenia.
- 02
Nastavte výsledok
Skontrolujte dostupné nastavenia a spustite spracovanie.
- 03
Stiahnite si súbor
Uložte výsledok a pred zdieľaním ho skontrolujte.
PDF do XML
Exportujte text, obrázky a geometriu kresieb z PDF do formátu XML. Vyberte strany a stiahnite si štruktúrovaný popis, v prípade potreby aj s pribalenými obrázkovými prvkami.
RÝCHLY VIDEO NÁVOD
Ako previesť PDF do XML s údajmi o rozložení
Získajte štruktúrované údaje o stránkach pre svoj vlastný pracovný postup.
Anglický komentár
Pozrieť video
Praktické spôsoby využitia tohto nástroja
Výskumníci
Skontrolujte pozície textu
Použite súradnice obsahu na štúdium rozloženia strany; vzťahujú sa na neotočenú stranu PDF, nie na pixely prehliadača.
Technická kontrola
Oddeľte extrakciu od interpretácie
Skontrolujte extrahované objekty pred vytvorením pravidiel analýzy špecifických pre dokument. Skenované dokumenty vyžadujú OCR pre rozpoznaný text.
Funkcie a ovládacie prvky
Export textu a geometrie kresby
Získajte štruktúrovaný popis obsahu stránky namiesto obyčajného prepisu.
Schéma, súradnice a rotácia stránky
Verzovaná štruktúra zahŕňa stránky, textové bloky a rozsahy, písma, ohraničujúce rámčeky a cesty vektorovej kresby. Súradnice sú v bodoch PDF od ľavého horného počiatku neotočenej stránky; rotácia sa zaznamenáva samostatne. To môže podporiť indexovanie alebo analýzu dokumentu, ale konvertor neodvodzuje vašu vlastnú obchodnú schému ani sémantické názvy polí.
Ponechajte obrazové podklady popri údajoch
Získajte priamy dátový súbor alebo ZIP, ak sú zahrnuté extrahované obrázky.
Dátový súbor a odkazované obrázky
Keď stránka obsahuje obrazové údaje, archív obsahuje document.json alebo document.xml plus odkazované obrazové súbory a všetky podporované masky. Pri načítaní údajov inde ponechajte tieto cesty spolu. Skenovanie iba obrázkov zostáva obrazovými údajmi; tento export nevykonáva OCR na vymýšľanie chýbajúcich textových rozsahov.
Vyberte strany, ktoré potrebujete
Spracujte celý dokument alebo zadajte konkrétne čísla strán a rozsahy.
Rozsahy strán a číslovanie
Použite pozície PDF, začínajúce od 1, namiesto čísel vytlačených na strane. Zoznam ako 1, 3-5 zahŕňa štyri strany. Prázdny rozsah použije každú stranu. Skontrolujte náhľad, ak dokument obsahuje obálku alebo inak číslované kapitoly. Do tejto konverzie sú zahrnuté iba vybrané strany.
Použite OCR pre strany obsahujúce iba obrázky
Extrakcia textu číta textovú vrstvu; nerozpoznáva písmená v obrázkoch.
Skenovanie, prázdne strany a OCR
Extrakcia využíva existujúcu textovú vrstvu a nerozpoznáva písmená v obrázkoch strán. Ak strana nemá čitateľný text, použite samostatne PDF OCR. Prázdna strana tiež nemusí vyprodukovať žiadny text. Pri zmiešaných PDF skontrolujte prázdne alebo nečitateľné strany jednotlivo. OCR spracováva vždy jednu vybranú stranu.
Podporované súbory a spracovanie
- Vstup
- Výstup
- XML, ZIP
Otvorte jedno PDF do veľkosti 100 MB a 750 zdrojových strán. Chránené súbory vyžadujú kópiu bez hesla, pokiaľ tento nástroj výslovne neponúka zadanie hesla. Veľké alebo zložité strany môžu vyžadovať viac pamäte alebo dosiahnuť limity spracovania, aj keď je súbor v rámci týchto limitov.
Spracovanie využíva naše servery. Zdrojové súbory, dočasné súbory a výsledky sú z našich serverov vymazané do 30 minút po dokončení spracovania. Obsah dokumentov nezdieľame s tretími stranami ani ho nepoužívame na trénovanie modelov AI.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
FAQ
Pár užitočných odpovedí
Vedzte, čo môžete očakávať, skôr než začnete.
Dočasné spracovanie na serveriRozpoznáva PDF do XML polia faktúr alebo významy tabuliek?
Exportuje obsah stránky a geometriu, nie automaticky pomenované obchodné polia. Vaša aplikácia musí túto štruktúru interpretovať. Pre bunky tabuľky použite Extrahovať tabuľky z PDF; pre skeny použite PDF OCR.
Aké informácie obsahuje štruktúrovaný export?
Verzovaná štruktúra zahŕňa strany, textové bloky a rozpätia, písma, ohraničujúce rámčeky a cesty vektorových kresieb. Súradnice sú v bodoch PDF od ľavého horného počiatku neotočenej strany; rotácia sa zaznamenáva samostatne. To môže podporiť indexovanie alebo analýzu dokumentu, ale konvertor neodvodzuje vašu vlastnú obchodnú schému ani sémantické názvy polí.
Prečo stiahnutý súbor niekedy obsahuje ZIP?
Keď strana obsahuje obrazové dáta, archív obsahuje document.json alebo document.xml plus odkazované obrazové súbory a všetky podporované masky. Pri načítavaní dát inde udržiavajte tieto cesty spolu. Sken, ktorý obsahuje iba obrázky, zostáva obrazovými dátami; tento export nevykonáva OCR na vymýšľanie chýbajúcich textových rozpätí.
Bude toto extrahovať slová zo skenu, ktorý obsahuje iba obrázky?
Extrakcia využíva existujúcu textovú vrstvu a nerozpoznáva písmená na obrázkoch strán. Ak strana neobsahuje žiadny čitateľný text, použite samostatne PDF OCR. Prázdna strana tiež nemusí vyprodukovať žiadny text. V prípade zmiešaných PDF skontrolujte prázdne alebo nečitateľné strany jednotlivo. OCR spracováva vždy jednu vybranú stranu.
Aké sú limity súborov a strán?
Otvorte jedno PDF do veľkosti 100 MB a 750 zdrojových strán. Chránené súbory vyžadujú kópiu bez hesla, pokiaľ tento nástroj výslovne neponúka zadanie hesla. Veľké alebo zložité strany môžu vyžadovať viac pamäte alebo dosiahnuť limity spracovania, aj keď je súbor v rámci týchto limitov.
Kde sa môj dokument spracováva?
Tento nástroj využíva na spracovanie naše servery. Váš pôvodný súbor sa neprepíše; výsledkom je samostatný súbor na stiahnutie. Skontrolujte a prezrite si výsledok, ak je k dispozícii, a stiahnite si potrebnú kópiu skôr, než začnete odznova.
