PDF na XML

Wyodrębnij elementy tekstowe PDF i geometrię stron do udokumentowanej struktury XML.

Wybierz pliki PDF

Przeciągnij pliki tutaj lub użyj przycisku poniżej.

Do 25 MB łącznie · Pliki pozostają na Twoim urządzeniu

Spis treściSekcje: 10

Co zawiera eksport XML?

Eksportuj zaznaczalną warstwę tekstową PDF jako XML. Plik grupuje elementy tekstowe według pierwotnych numerów stron oraz zapisuje geometrię stron, kierunek tekstu i przekształcenia położenia. Dostarcza uporządkowany materiał do analizy i dalszego przetwarzania.

XML opisuje to, co wyodrębnił czytnik tekstu PDF. Nie jest oryginalnym XML, z którego mógł powstać dokument, i nie identyfikuje pól faktury, nie odbudowuje relacji tabel ani nie eksportuje obrazów. Strony będące wyłącznie obrazem wymagają wcześniejszego OCR.

Funkcje konwersji PDF na XML

Elementy według stron

Zachowaj numery stron źródłowych, obrót i widoczne granice strony obok wyodrębnionego tekstu. Stanowi to przydatne odniesienie podczas przeglądania wybranego zakresu.

Tekst z sekwencjami ucieczki

Znaki takie jak ampersand i nawiasy ostrokątne pozostają danymi wewnątrz elementów XML. Tekst przypominający znaczniki nie może w wyniku tego eksportu stać się wykonywalną zawartością strony.

Odwracalne nietypowe ciągi

Znaki, których XML nie może przedstawić bezpośrednio, wykorzystują wyraźnie oznaczone kodowanie ciągu JSON. Oznaczenie pozwala programowi odbierającemu dokładnie odzyskać te wartości.

Przetwarzanie w przeglądarce

Utwórz plik XML na swoim urządzeniu. Źródło nie jest przesyłane do konwersji ani zapisywane na nowo.

Jak wyodrębnić XML z PDF?

Wybierz niezaszyfrowany PDF zawierający zaznaczalny tekst.
Wpisz wymagane numery lub zakresy w polu Strony.
Przekonwertuj plik i pobierz wynik XML.
Otwórz XML w edytorze tekstu lub aplikacji obsługującej XML.
Porównaj znaną stronę i frazę przed mapowaniem elementów do innego systemu.

Wybierz źródłowy PDF

Wybierz PDF z czytelną warstwą tekstową.

Wybierz zrzut ekranu, aby go powiększyć.

Ogranicz zakres stron

Wybierz strony potrzebne do ekstrakcji XML.

Wybierz zrzut ekranu, aby go powiększyć.

Zapisz XML

Pobierz XML i sprawdź jego elementy stron.

Wybierz zrzut ekranu, aby go powiększyć.

Zrzuty ekranu przedstawiają te narzędzia z nieszkodliwymi plikami przykładowymi. Nazwa Twojego pliku, liczba stron i ustawienia mogą się różnić.

Dlaczego używać XML do analizy tekstu PDF?

Proces oparty na XML może potrzebować jawnych elementów stron i tekstu, zanim zastosuje własne reguły przekształcania. Zespół może przeanalizować te elementy, zachować odwołania do stron źródłowych i przygotować osobne mapowanie dla znanych rodzajów dokumentów. Oddziel mapowanie od ekstrakcji: sąsiedztwo dwóch elementów tekstowych samo w sobie nie ustala relacji biznesowej.

Kto może pracować z tym wynikiem XML?

Programiści integracji

Użyj elementów stron i tekstu jako wejścia do kontrolowanego procesu przetwarzania dokumentów.

Archiwiści dokumentów

Sprawdź, czy tekst pozostaje dostępny obok zachowanego oryginalnego PDF.

Audytorzy danych

Porównaj przykładowe wartości wynikowe z ich stronami źródłowymi przed zatwierdzeniem reguł przekształcania.

Ustawienia i kontrola wyników

Ustawienie	Oczekiwany rezultat
Źródło	Jeden PDF do 25 MiB, zawierający najwyżej 500 stron źródłowych.
Zakres stron	Maksymalnie 200 wybranych stron. Pusty zakres obejmuje wszystkie strony tylko wtedy, gdy mieszczą się w tym limicie.
Limity tekstu	Do 20 000 elementów na stronie, 100 000 na zadanie i dwóch milionów znaków tekstu.
Plik do pobrania	Dokument XML do 64 MiB. Nie jest pobierane zewnętrzne DTD ani schemat.

Zmapuj znaną etykietę po sprawdzeniu strony

W przypadku dokumentu dostawy wyeksportuj jedną stronę i znajdź znany numer referencyjny. Sprawdź jego przekształcenie tekstowe oraz sąsiednie elementy na tle oryginału. Aplikacja może następnie zastosować regułę dla tego typu dokumentu. Nie traktuj każdej pobliskiej liczby jako tego samego pola w niepowiązanych układach.

Rozwiązywanie problemów z konwersją PDF na XML

Sytuacja	Co sprawdzić
XML nie pasuje do schematu dostawcy	Eksport korzysta z własnej struktury ekstrakcji. Utwórz osobne mapowanie do schematu oczekiwanego przez system odbierający.
Element ma atrybut encoding	Jeśli encoding ma wartość json, przeanalizuj tekst elementu jako ciąg JSON, aby odzyskać znaki niedopuszczalne bezpośrednio w XML.
Brakuje słów lub mają nieoczekiwaną kolejność	Sprawdź, czy strony są skanami albo tekst ma nietypowe położenie. W razie potrzeby zastosuj OCR i przejrzyj współrzędne.

Najczęstsze pytania

Czy konwersja PDF na XML odtwarza pierwotny źródłowy XML?

Nie. PDF na ogół nie zachowuje źródłowego modelu danych. Ten eksport zapisuje warstwę tekstową i geometrię, które czytnik potrafi wyodrębnić.

Czy znaczniki PDF są zamieniane w model dokumentu XML?

Nie. Narzędzie nie odtwarza semantyki tagowanego PDF, nagłówków ani struktury tabel. Elementy stron i tekstu opisują wyniki ekstrakcji.

Czy mogę zamienić ten XML z powrotem w taki sam PDF?

Narzędzie XML na PDF może wydrukować źródło XML, ale nie odtworzy pierwotnego projektu strony z tego pliku ekstrakcji. Zachowaj oryginalny PDF.

Powiązane narzędzia

XML na PDF, PDF na JSON, Rozpoznawanie tekstu w PDF.