Utvecklare
Mata ett XML-bearbetningsflöde
Exportera sidinnehåll som XML för ett skript eller program som förstår den dokumenterade utdatastrukturen.
En användbar PDF-uppgift, förenklad
PDF till XML.
Exportera PDF-text, bilder och ritgeometri som XML.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
Använd sidkontrollerna för att inspektera ditt dokument.
100%
Din fil är klar.
Ladda ner ditt resultat eller återgå till inställningarna för att göra en annan version.
Advertisements
Ad placeholderResponsive · automatic size
Skickas för tillfällig bearbetning när du startar.
PDF
Hur man konverterar pdf till xml
- 01
Välj ditt dokument
Ladda upp en PDF från din enhet.
- 02
Ställ in resultatet
Granska de tillgängliga inställningarna och starta sedan bearbetningen.
- 03
Ladda ner din fil
Spara resultatet och kontrollera det innan du delar det.
PDF till XML
Exportera PDF-text, bilder och ritgeometri som XML. Välj sidor och ladda ner en strukturerad beskrivning, med bildtillgångar paketerade vid behov.
SNABB VIDEO-TUTORIAL
Så här konverterar du PDF till XML med layoutdata
Få strukturerad siddata för ditt eget arbetsflöde.
Engelsk berättarröst
Se videon
Praktiska sätt att använda detta verktyg
Forskare
Inspektera textpositioner
Använd innehållskoordinater för att studera sidlayout; de refererar till den oroterade PDF-sidan snarare än webbläsar-pixlar.
Teknisk granskning
Separera extrahering från tolkning
Granska extraherade objekt innan du bygger dokumentspecifika tolkningsregler. Skanningar behöver OCR för igenkänd text.
Funktioner och kontroller
Exportera text och ritgeometri
Hämta en strukturerad beskrivning av sidinnehåll snarare än en enkel avskrift.
Schema, koordinater och sidrotation
Den versionshanterade strukturen inkluderar sidor, textblock och spann, typsnitt, begränsningsramar och vektorritningsvägar. Koordinater anges i PDF-punkter från den oroterade sidans övre vänstra ursprung; rotation registreras separat. Detta kan stödja indexering eller dokumentanalys, men konverteraren härleder inte ditt eget affärsschema eller semantiska fältnamn.
Behåll bildtillgångar vid sidan av datan
Ta emot en direkt datafil eller en ZIP-fil när extraherade bilder inkluderas.
Datafil och refererade bilder
När en sida innehåller bilddata innehåller arkivet document.json eller document.xml plus refererade bildfiler och eventuella stödda masker. Håll dessa sökvägar samlade när du laddar datan någon annanstans. En bildbaserad skanning förblir bilddata; denna export utför inte OCR för att skapa saknade textspann.
Välj de sidor du behöver
Bearbeta hela dokumentet eller ange specifika sidnummer och intervall.
Sidintervall och numrering
Använd PDF-positioner, med början på 1, snarare än nummer tryckta på sidan. En lista som 1, 3-5 inkluderar fyra sidor. Ett tomt intervall använder varje sida. Kontrollera förhandsgranskningen när dokumentet innehåller ett omslag eller kapitel med annan numrering. Endast de valda sidorna inkluderas i denna konvertering.
Använd OCR för sidor som endast innehåller bilder
Textextrahering läser ett textlager; den känner inte igen bokstäver i bilder.
Skanningar, tomma sidor och OCR
Extraheringen använder ett befintligt textlager och känner inte igen bokstäver i sidbilder. Om en sida inte har någon läsbar text, använd PDF OCR separat. En tom sida kan också resultera i att ingen text skapas. För blandade PDF-filer, inspektera tomma eller oläsbara sidor individuellt. OCR bearbetar en vald sida i taget.
Filer och bearbetning som stöds
- Indata
- Utdata
- XML, ZIP
Öppna en PDF på upp till 100 MB och 750 källsidor. Skyddade filer behöver en upplåst kopia om inte detta verktyg uttryckligen erbjuder lösenordsinmatning. Stora eller komplexa sidor kan kräva mer minne eller nå bearbetningsgränser även när filen ligger inom dessa gränser.
Bearbetningen använder våra servrar. Källfiler, temporära filer och resultat raderas från våra servrar inom 30 minuter efter att bearbetningen avslutats. Vi delar inte dokumentinnehåll med tredje part och använder dem inte för att träna AI-modeller.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
Vanliga frågor
Några användbara svar
Vet vad du kan förvänta dig innan du börjar.
Tillfällig serverbearbetningKänner PDF till XML igen fakturafält eller tabellbetydelser?
Den exporterar sidinnehåll och geometri, inte automatiskt namngivna affärsfält. Din applikation måste tolka den strukturen. För tabellceller, använd Extrahera tabeller från PDF; för skanningar, använd PDF OCR.
Vilken information innehåller den strukturerade exporten?
Den versionshanterade strukturen inkluderar sidor, textblock och spann, typsnitt, begränsningsramar och vektorteckningsvägar. Koordinater anges i PDF-punkter från den oroterade sidans övre vänstra ursprung; rotation registreras separat. Detta kan stödja indexering eller dokumentanalys, men konverteraren härleder inte ditt eget affärsschema eller semantiska fältnamn.
Varför innehåller nedladdningen ibland en ZIP-fil?
När en sida innehåller bilddata innehåller arkivet document.json eller document.xml plus refererade bildfiler och eventuella stödda masker. Håll dessa sökvägar tillsammans när du laddar data någon annanstans. En skanning som bara består av bilder förblir bilddata; denna export utför inte OCR för att uppfinna saknade textspann.
Kommer detta att extrahera ord från en skanning som bara består av bilder?
Extraheringen använder ett befintligt textlager och känner inte igen bokstäver i sidbilder. Om en sida inte har någon läsbar text, använd PDF OCR separat. En tom sida kan också resultera i ingen text. För blandade PDF-filer, inspektera tomma eller oläsbara sidor individuellt. OCR bearbetar en vald sida åt gången.
Vilka är fil- och sidbegränsningarna?
Öppna en PDF på upp till 100 MB och 750 källsidor. Skyddade filer behöver en upplåst kopia om inte detta verktyg uttryckligen erbjuder lösenordsinmatning. Stora eller komplexa sidor kan kräva mer minne eller nå bearbetningsgränser även när filen ligger inom dessa gränser.
Var bearbetas mitt dokument?
Detta verktyg använder våra servrar för bearbetning. Din originalfil skrivs inte över; resultatet är en separat nedladdning. Förhandsgranska och granska resultatet där det är tillgängligt, och ladda ner den kopia du behöver innan du börjar om.
