PDF to XML Converter Software PDF to XML Converter Software

Download PDF til XML Konverter Software: Tabeller som rækker og celler

PDF til XML Konverter Software skriver hver PDF som XML med elementer til dokument, side, overskrift, afsnit og tabel, så et script kan indlæse indholdet uden at gætte layoutet.

Velformateret UTF-8 XML, ingen BOMValgfrie koordinater og skrifttyper10 linjers prøve pr. PDF, stadig gyldig XML
PDF to XML Converter Software Skærmbillede.
SoftOrbits PDF til XML Konverter til Windows konverterer en mappe med PDF-rapporter til XML. Du får overskrifter og afsnit som elementer og tabeller som rækker og celler, alt i læserækkefølge. Dine kvartalsrapporter bruger det samme skema, hver gang du indlæser dem i en database eller et søgeindeks.

En side af en salgsrapport, konverteret. Nedenfor ses starten af den XML, vores motor skrev til en én-sides testrapport med en tabel med linjer. Vi har skåret afsnitsteksten, de sidste tre tabelrækker og det afsluttende afsnit fra for pladsens skyld. Elementnavne, attributter og deres værdier er nøjagtigt som skrevet.

<?xml version="1.0" encoding="UTF-8"?>
<document source="report_with_table.pdf" pages="1" units="pt" origin="top-left">
  <page number="1" width="595.3" height="841.9">
    <heading level="1">Regional Summary</heading>
    <paragraph>Quarterly revenue grew across all three regions..</paragraph>
    <table rows="6" columns="4" source="lattice">
      <row header="1"><cell>Region</cell><cell>Licenses</cell><cell>Revenue</cell><cell>Share</cell></row>
      <row><cell>North</cell><cell>120</cell><cell>15,400.00</cell><cell>12%</cell></row>
      <row><cell>South</cell><cell>157</cell><cell>17,710.00</cell><cell>15%</cell></row>
      <!-- 3 flere rækker -->
    </table>
  </page>
</document>

XML-skema, element for element

Hver fil følger det samme dokumenterede skema. Vælg en fane for at se, hvilke elementer og attributter der vises, og hvornår.

document

Rod-element. Indeholder kildefilens navn, sideantal, units="pt" og origin="top-left".

page

Én pr. side af PDF'en, med dens nummer. Alt, der findes på siden, ligger indeni.

heading

Indeholder niveau fra 1 til 6, baseret på skriftstørrelse i forhold til brødtekst på tværs af alle sider. Niveauer forbliver ensartede fra side til side.

paragraph

Brødtekst. Når indstillingen er slået fra, er hvert afsnit én tekststrøm uden linjeskift fra siden.

table

Indeholder antal rækker og kolonner samt en source-attribut med tre mulige værdier: tagged for et gitterlæst fra PDF-tags, lattice for linjer, stream for tekstjustering.

row

Én pr. tabelrække. Din loader kan læse kolonnenavne fra header-rækken, markeret header="1".

cell

Celleindhold. Sammenlagte celler beholder colspan eller rowspan, så det oprindelige gitter kan genskabes.

x, y, w, h

Position og størrelse i punkter. Tabeller og celler får dem, ligesom overskrifter og afsnit. Nul er øverste venstre hjørne, og y vokser nedad, i modsætning til native PDF-koordinater.

med indstillingen slået til

fonts og fontspec

Listet én gang øverst i dokumentet. Hver fontspec har et id, skriftfamilie og størrelse, en farve som #RRGGBB, plus fed og kursiv flag, når de er sat. Elementer peger på den med font="id", så farven ikke gentages på hvert element.

med indstillingen slået til

line og text

Overskrifts- og afsnitstekst flyttes ind i indlejrede line- og text-elementer, hver med sin egen boks. En linje, der løber fra højre mod venstre, bærer dir="rtl".

med indstillingen slået til

width og height

Sidestørrelse i punkter på hvert sideelement. En standard A4-side læses normalt som 595,3 x 841,9.

scanned="1"

Sættes, når siden ikke havde et tekstlag, kun et billede. Din loader kan sende sådanne sider til manuel kontrol.

ocr="1" og confidence

Sættes, når sidens tekst kom fra genkendelse, med en konfidensværdi ved siden af. Genkendte sider giver afsnit; tabelgenkendelse kører ikke på dem.

Data dine scripts kan stole på.

Data dine scripts kan stole på

Med PDF til XML Konverter Software får du den samme rapportstruktur fra enhver afdeling.

  • Dit importscript overlever den næste rapportskabelon fra økonomiafdelingen.
  • Tal når frem til databasekolonner uden at nogen skal taste dem igen.
  • Et søgeindeks kan rangere sektionstitler over resten.

Én XML per PDF i batchen

Tilføj enkelte filer eller en mappe med rapporter. PDF til XML Konverter Software skriver én XML per PDF, navngivet efter kilden, og spørger én gang per batch, før den overskriver. Fjern adgangskodebeskyttede eller beskadigede PDF'er fra listen først: ellers stopper batchen ved den fil.

Elementer i læserækkefølge

På et to-kolonners layout kommer venstre kolonne først, derefter højre. Hebraiske eller arabiske linjer bevarer deres højre-til-venstre-rækkefølge.

Prosa forbliver prosa

Store mellemrum i tekst forvirrer mange tabeldetektorer. Vi afviser falske tabelkandidater fra løbende prosa. På vores to-kolonners testfil blev 9 fjernet, og prosaen forblev som skrevet.

Et Windows desktop-program

Programmet installeres på Windows med PDFium indbygget og vores egen XML-skriver. Intet tilføjes til dit projekt. Du starter batches manuelt: der er ingen API, SDK eller kommandolinje for PDF'er, så et serverjob kan ikke kalde det som en service.

Et layout-dump, eller data du kan forespørge

De sædvanlige veje

Redigerings-eksport og upload-sider

  • En PDF-redigerings XML-eksport beskriver sidelayout snarere end dens data
  • Tabeller ankommer som løse strenge uden et gitter bag dem
  • Upload-konvertere siger sjældent, hvordan PDF-indhold kortlægges til XML-elementer
VS
Dette program

Ét skema, vist forude

  • Det samme dokumenterede skema for hver fil, vist på denne side
  • Kører på din pc, rapporter uploades ikke noget sted

Sådan downloader og bruger du PDF til XML Konverter Software

Installer og indlæs rapporterne.
1

Installer og indlæs rapporterne

Efter opsætning, træk PDF-filer eller en mappe ind i listen.

Beslut om positioner og skrifttyper.
2

Beslut om positioner og skrifttyper

"Struktureret XML" er det eneste outputformat. Marker "Tilføj koordinater og skrifttyper (position, størrelse, skrifttype for hvert element)" for at inkludere blokpositioner; lad det være slået fra for en lettere fil med kun tekst.

Kør konverteringen.
3

Kør konverteringen

Tryk Konverter. Fuldførelsesbeskeden giver antallet af konverterede filer til XML og deres destinationsmappe. Stop sætter jobbet på pause mellem to filer.

Ret din parser mod outputtet.
4

Ret din parser mod outputtet

Alle XML'er er UTF-8 uden byte order mark. Læs dem med XSLT, Pythons ElementTree eller din databases bulk loader.

PDF to XML Converter Software
PDF to XML Converter SoftwareKør en mappe med dine egne rapporter gennem PDF til XML Konverter Software og åbn den første XML i din editor.

Hvem bruger et PDF til XML Konverter Værktøj?

Dataingeniører
ETL-udviklere
Systemintegratorer
BI-analytikere
Søgeindeks-udviklere
Testpersoner for dokument-pipelines
Udviklere af indkøbsautomatisering
Analytikere af tilgængelighed og layout

Hvor langt prøveversionen går på hver PDF

OutputformatPrøveversionLicens
PDF'er i én batchIngen grænseIngen grænse
Linjer skrevet til hver XMLFørste 10 (en tekstlinje eller en tabelrække hver)Hele dokumentet
Overskriftsrække for tabelBeholdt, tælles ikke med i de 10✓
Sider ud over afskæringen✗✓
XML, der passerer en parser✓✓
I en prøvefil tæller `pages`-attributten af `document` kun de sider, der kom med.
  Download 
  Køb nu
Fra Øre 209
  Køb nu
Fra Øre 209
  Download 

I en prøvefil tæller `pages`-attributten af `document` kun de sider, der kom med.

PDF to XML Converter Software
PDF to XML Converter Software
Pris
fra Øre 209
Version
3.3
Filstørrelse
9 MB
Sidst opdateret den
20/09/26
Prøvegrænsen er 10 linjer pr. PDF i XML-outputtet
System Requirements
  • Windows 11/10/8.1/8/7 (32/64 bit)
  • Intel i3, AMD Ryzen 5 eller højere
  • 4 GB RAM eller højere
  • NVIDIA® GeForce® serie 8 og 8M, Intel® HD Graphics 2000, Quadro FX 4800, Quadro FX 5600, AMD Radeon™ R600, Mobility Radeon™ HD 4330, Mobility FirePro™ serie, Radeon™ R5 M230 eller højere grafikkort med opdaterede drivere
  • 1280 × 768 skærmopløsning, 32-bit farve
  • 1 GB ledig harddiskplads eller højere

Ofte stillede spørgsmål

Tilføj en PDF eller en hel mappe til listen, behold Struktureret XML som output, vælg om koordinater og skrifttyper skal inkluderes, og tryk på Konverter. Hver XML-fil får sit navn fra PDF'en og har en `document`-rod med et `page`-element pr. side.

En PDF registrerer tekstpositioner. Læserækkefølge, tabelgitre og sondringen mellem titler og brødtekst gemmes for det meste ikke som data. XML bruger indlejrede, navngivne elementer i almindelig tekst, som programmer kan læse. Programmet genskaber denne struktur ved at gruppere linjer i afsnit, identificere overskrifter ud fra skriftstørrelse og finde tabelceller. Taggede PDF'er indeholder en vis struktur; programmet bruger deres tabel-tags, når de er tilgængelige.

Gratis prøveversion af vores PDF til XML konverter konverterer hver PDF, du tilføjer, men skriver kun de første 10 linjer fra hver. Den forkortede fil forbliver gyldig XML, så du kan tjekke elementtræet på dine rapporter og teste din parser. Online-tjenester kræver en upload og beskriver sjældent deres XML-output. En licens fjerner begrænsningen.

Tilføj PDF'en, og programmet gemmer en XML-fil med samme navn. Den ligner eksemplet øverst på denne side. Et dokumentrod indeholder et sideelement for hver side, og inde i hver side følger overskrifter, afsnit og tabeller læserækkefølgen. Skemafanerne viser hvert element og attribut. Når du sammenligner værktøjer på jagt efter den bedste PDF til XML-konverter til en dataplads, skal du bede hver enkelt om en outputprøve som denne før noget andet.

Ja. Du mapper XML'en til tabeller med en bulk loader eller et kort XSLT-script. Tabelrækker bliver til poster, header-rækken leverer kolonnenavne, og overskrifter kan fungere som sektionsmærker. Du skal selv mappe felter som fakturanumre og forfaldsdatoer; programmet genkender dem ikke.

Sammensmeltede celler bevarer colspan eller rowspan, og header-rækken er markeret, så du kan genopbygge gitteret. En tabel, der spænder over flere sider, bliver en separat tabel inde i hvert sideelement. En markeret header-række vises kun, hvor PDF'en gentager headeren. Scanning af sider giver afsnit, ikke tabeller.

Nej. Programmet bruger skemaet vist i fanerne ovenfor, uden skabeloner eller feltsøgning. For et websted eller et regnskabsprogram, der forventer sin egen XML, skal du transformere outputtet med XSLT eller bruge et program lavet til det format. XML-formularer til statslige websteder kommer normalt fra formularens egen software snarere end en PDF.

Bedøm PDF to XML Converter Software

  • Windows 7
  • Windows 8
  • Windows 10
  • Windows 11
Forfatter: SoftOrbits (English)
4,5
Gennemsnitlig bedømmelse: 4,5 fra 1141 stemmer
God

Risk-free download

progressive-webapps/apis/offline-first Created with Sketch.
100% offline
Your files never leave your PC
Safe & secure download
Directly from the official website
No sign-up required
No account or email to get started
Trusted since 2006
Desktop software for Windows