如何将 PDF 转换为带有布局数据的 XML.

加载 PDF，将 页面 留空以处理整个文档，或输入您需要的子集。我们的示例包含所有四页。

选择 开始。包含图像资源的导出将以 ZIP 格式下载。解压整个归档文件，并将 images 目录保留在 document.xml 旁边。

示例包含 images/page-001-image-005.png。图像引用指向资源路径，而不是将二进制数据嵌入 XML 中。不含图像资源的导出可直接下载为 .xml 文件。

示例声明了版本 1、单位 pt 和 左上角 原点。页面记录包括源页码、尺寸、旋转、文本块和绘图。坐标描述的是未旋转的页面；在叠加数据时请考虑旋转因素。

使用 XML 解析器解析 XML。重复值使用 item 元素；一些几何元组为文本值。请检查实际结构，而不是假设使用 DocBook 等发布架构。

在您的处理工作流程中使用数据之前，请对照原始 PDF 检查阅读顺序和图像引用。