PDF转XML转换器

如何将PDF转换为XML

添加PDF – 将文件拖放到上方区域，或点击“选择PDF文件”。
选择页面 – 保留“all”，或在“要转换的页面”中输入页码，例如 1-5, 7——也可以点击缩略图。
选择结构 – 在“输出结构”下选择“结构化：标题、段落、列表、表格”“每页纯文本”“带位置信息的文本行”或“仅文档和页面信息”。对于扫描页面，请勾选“使用OCR读取扫描页面”并选择语言。
转换并保存 – 点击“转换为XML”，然后点击“下载.xml”或“复制XML”。

格式良好的XML 1.0 – UTF-8编码，特殊字符已转义，并移除XML不允许的字符。文件会在您下载前进行检查。
按阅读顺序排列的结构 – 每页包含heading（含级别）、paragraph、带item元素的list，以及包含行和单元格的简单table元素。双栏页面会逐栏读取。
文档信息 – 文件名和大小、页数、PDF版本、标题、作者、主题、关键词、创建程序、生成程序、日期和语言（如果PDF中包含这些信息）。
位置和链接 – 可选输出每个块的x、y、宽度和高度，或每个文本行及其位置和字号，以及每页上的网页链接。
扫描页面的OCR – 没有文本的页面可以在您的浏览器中以22种语言进行识别；XML会用source="ocr"及识别置信度标记这些页面。

添加PDF，选择页面和输出结构，点击“转换为XML”，然后下载.xml文件。

一个包含metadata部分和pages元素的document元素。每页包含页码、尺寸和字符数，并根据您选择的结构包含heading、paragraph、list和table元素，或text或line元素。

可以。勾选“使用OCR读取扫描页面”并选择文档语言。已包含文本的页面会直接转换。

行和列明显对齐的简单表格会变成包含row和cell的table元素。复杂表格将保留为段落。

可以。为块勾选位置选项，或选择“带位置信息的文本行”。数值以PDF点为单位，从页面左上角开始计算。

不会。转换（包括OCR）在您的浏览器中进行，因此PDF始终保留在您的设备上。

是的 – 无需注册，没有水印。

相关工具：PDF转JSON、PDF转YAML，以及将XML转换为可打印PDF的XML转PDF。

在PDF数据处理工具中探索完整的工具集合。