عناصر قائمة على الصفحات
احتفظ بأرقام الصفحات المصدر ودورانها وحدودها المرئية بجانب النص المستخرج. يحافظ ذلك على مرجع مفيد عند مراجعة نطاق محدد.
تحويل PDF إلى XML
استخرج عناصر نص PDF وهندسة الصفحات إلى بنية XML موثقة.
اختر ملفات PDF
اسحب الملفات إلى هنا أو استخدم الزر أدناه.
حتى 25 ميغابايت إجمالا · تبقى الملفات على جهازك
اعرض المستند هنا. بالنسبة إلى المحتوى المضاف، تستخدم هذه المعاينة دليلا للوضع؛ تحقق من الملف المحفوظ.
جدول المحتوياتالأقسام: 10
ماذا يحتوي تصدير XML؟
صدّر طبقة النص القابل للتحديد في PDF بصيغة XML. يجمع الملف عناصر النص تحت أرقام صفحاتها الأصلية ويسجل هندسة الصفحات واتجاه النص وتحويلات التموضع. ويوفر أدلة منظمة للفحص والمعالجة اللاحقة.
يصف XML ما استخرجه قارئ نص PDF. ليس XML الأصلي الذي ربما أُنشئ منه المستند، ولا يحدد حقول الفواتير أو يعيد بناء علاقات الجداول أو يصدّر الصور. تحتاج الصفحات المكونة من صور فقط إلى OCR أولًا.
ميزات تحويل PDF إلى XML
قيم نصية بمحارف إفلات
تبقى محارف مثل علامة العطف والأقواس الزاوية بيانات داخل عناصر XML. لا يمكن للنص الذي يشبه الوسوم أن يصبح محتوى صفحة قابلًا للتنفيذ عبر هذا التصدير.
سلاسل استثنائية قابلة للاسترجاع
تستخدم المحارف التي لا يستطيع XML تمثيلها مباشرة ترميز سلسلة JSON معلَّمًا بوضوح. تتيح العلامة للبرنامج المستقبِل استعادة تلك القيم بدقة.
المعالجة في المتصفح
أنشئ ملف XML على جهازك. لا يُرفع المصدر للتحويل ولا يُعاد كتابته.
كيف أستخرج XML من PDF؟
- اختر PDF غير مشفر يحتوي على نص قابل للتحديد.
- أدخل أرقام الصفحات أو النطاقات المطلوبة في حقل الصفحات.
- حوّل الملف ونزّل نتيجة XML.
- افتح XML في محرر نصوص أو تطبيق يدعم XML.
- قارن صفحة وعبارة معروفتين قبل ربط العناصر بنظام آخر.
اختر ملف PDF المصدر
اختر PDF ذا طبقة نصية قابلة للقراءة.
اختر لقطة الشاشة لتكبيرها.
حدد نطاق الصفحات
اختر الصفحات اللازمة لاستخراج XML.
اختر لقطة الشاشة لتكبيرها.
احفظ ملف XML
نزّل XML وافحص عناصر صفحاته.
اختر لقطة الشاشة لتكبيرها.
تعرض لقطات الشاشة مجموعة الأدوات هذه باستخدام ملفات نموذجية لا تحتوي على بيانات حساسة. قد يختلف اسم ملفك وعدد صفحاته وإعداداته.
لماذا تستخدم XML لفحص نص PDF؟
قد يحتاج سير عمل يعتمد على XML إلى عناصر واضحة للصفحات والمقاطع قبل تطبيق قواعد التحويل الخاصة به. يمكن للفريق فحص هذه العناصر والاحتفاظ بمراجع الصفحات المصدر وبناء ربط منفصل لأنواع مستندات معروفة. افصل هذا الربط عن الاستخراج: فقرب عنصر نصي من آخر لا يثبت بحد ذاته علاقة في سياق العمل.
من يمكنه العمل بمخرجات XML هذه؟
مطورو التكامل
استخدم عناصر الصفحات والمقاطع كمدخلات لسير معالجة مستندات مضبوط.
مسؤولو أرشفة المستندات
افحص ما إذا كان النص لا يزال متاحًا إلى جانب PDF الأصلي المحفوظ.
مدققو البيانات
قارن عينات قيم المخرجات بصفحاتها المصدر قبل اعتماد قواعد التحويل.
الإعدادات وفحوص المخرجات
| الإعداد | النتيجة المتوقعة |
|---|---|
| المصدر | ملف PDF واحد حتى 25 MiB، وبحد أقصى 500 صفحة مصدر. |
| نطاق الصفحات | حتى 200 صفحة محددة. يشمل النطاق الفارغ جميع الصفحات فقط إذا كان عددها ضمن هذا الحد. |
| حدود النص | حتى 20,000 عنصر في الصفحة و100,000 عنصر لكل عملية ومليوني محرف نصي. |
| ملف التنزيل | مستند XML حتى 64 MiB. لا يُجلب تعريف DTD أو مخطط خارجي. |
اربط تسمية معروفة بعد فحص الصفحة
في مستند تسليم، صدّر صفحة واحدة وحدد رقم مرجع مألوفًا. تحقق من تحويله النصي والعناصر القريبة منه بمقارنتها بالصفحة الأصلية. يمكن لتطبيقك بعد ذلك تطبيق قاعدة خاصة بهذا النوع من المستندات. تجنب اعتبار كل رقم قريب الحقل نفسه عبر تخطيطات لا علاقة بينها.
حل مشكلات تحويل PDF إلى XML
| الحالة | ما يجب التحقق منه |
|---|---|
| لا يطابق XML مخطط المورّد | يستخدم التصدير بنية الاستخراج الخاصة به. أنشئ ربطًا منفصلًا بالمخطط الذي يتوقعه النظام المستقبِل. |
| يحتوي عنصر على السمة encoding | إذا كانت قيمة encoding هي json، فحلل نص العنصر كسلسلة JSON لاستعادة المحارف التي لا يمكن أن تظهر مباشرة في XML. |
| تغيب كلمات أو تظهر بترتيب غير متوقع | تحقق من الصفحات الممسوحة ضوئيًا أو التموضع غير المعتاد للنص. طبّق OCR عند الحاجة وراجع الإحداثيات. |
الأسئلة الشائعة
هل يعيد تحويل PDF إلى XML ملف XML المصدر الأصلي؟
لا. لا يحتفظ PDF عادة بنموذج البيانات المصدر. يسجل هذا التصدير طبقة النص والهندسة اللتين يستطيع القارئ استخراجهما.
هل تتحول وسوم PDF إلى نموذج مستند XML؟
لا. لا تعيد الأداة بناء دلالات PDF الموسوم أو العناوين أو بنية الجداول. تصف عناصر الصفحات والمقاطع نتائج الاستخراج.
هل يمكنني تحويل هذا XML إلى ملف PDF نفسه مجددًا؟
تستطيع أداة تحويل XML إلى PDF طباعة مصدر XML، لكنها لا تستطيع إعادة إنشاء تصميم الصفحة الأصلي من ملف الاستخراج هذا. احتفظ بملف PDF الأصلي.
أدوات ذات صلة
تحويل XML إلى PDF, تحويل PDF إلى JSON, التعرف الضوئي على حروف PDF.