Paano i-convert ang PDF sa XML na may layout data.

I-load ang PDF at iwanang blangko ang Pages para sa buong dokumento, o ilagay ang subset na kailangan mo. Ang aming halimbawa ay kinabibilangan ng lahat ng apat na pahina.

Piliin ang Start. Ang isang export na may mga image asset ay mada-download bilang ZIP. I-extract ang buong archive at panatilihin ang images directory sa tabi ng document.xml.

Ang sample ay kinabibilangan ng images/page-001-image-005.png. Ang mga reference ng imahe ay tumuturo sa mga asset path sa halip na i-embed ang binary data sa XML. Ang isang export na walang mga image asset ay maaaring direktang ma-download bilang .xml.

Ang sample ay nagdedeklara ng bersyon 1, mga unit na pt, at top-left na pinagmulan. Ang mga record ng pahina ay kinabibilangan ng source page number, mga dimensyon, pag-ikot, mga block, at mga drawing. Ang mga coordinate ay naglalarawan ng pahinang hindi pa naiikot; isaalang-alang ang pag-ikot kapag ipinapatong ang data.

I-parse ang XML gamit ang isang XML parser. Ang mga paulit-ulit na value ay gumagamit ng mga item element; ang ilang geometric tuple ay mga text value. Suriin ang aktwal na istruktura sa halip na umasa sa isang publishing schema gaya ng DocBook.

Suriin ang pagkakasunod-sunod ng pagbabasa at mga reference ng imahe laban sa orihinal na PDF bago gamitin ang data sa iyong processing workflow.