PDF to XML Converter Software PDF to XML Converter Software

下載 PDF 轉 XML 轉換軟體:表格以列和儲存格呈現

PDF 轉 XML 轉換軟體 會將每個 PDF 轉換為 XML,其中包含文件、頁面、標題、段落和表格元素,以便腳本能直接載入內容,無需猜測版面配置。

格式正確的 UTF-8 XML,無 BOM可選的座標和字型每個 PDF 僅限 10 行試用,仍為有效的 XML
PDF to XML Converter Software 螢幕截圖.
SoftOrbits PDF to XML Converter for Windows 可將 PDF 報表的資料夾轉換為 XML。您將獲得以元素呈現的標題和段落,以及以列和儲存格呈現的表格,全部以閱讀順序排列。您的季度報表每次載入資料庫或搜尋索引時,都會使用相同的 Schema。

一個銷售報表的頁面已轉換。下方是我們的引擎為單頁測試報表(包含帶規則的表格)所編寫的 XML 的開頭部分。為節省空間,我們省略了段落文字、最後三列表格以及結尾的段落。元素名稱、屬性和它們的值均與原始內容完全一致。

<?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 more rows -->
    </table>
  </page>
</document>

XML 架構,逐項說明

每個檔案都遵循相同的已記錄架構。選擇一個標籤,即可查看哪些元素和屬性出現以及何時出現。

document

根元素。包含來源檔案名稱、頁數,以及 units="pt" 和 origin="top-left"。

page

PDF 的每頁一個,附帶其頁碼。頁面上的所有內容都位於其中。

heading

根據跨頁字體大小相對於內文的比例,具有 1 到 6 的層級。層級在各頁之間保持一致。

paragraph

內文。當關閉此選項時,每個段落都是一個連續的文字區塊,並移除分頁換行符。

table

包含列和欄計數,以及具有三種可能值的 source 屬性:tagged (標示為來自 PDF 標籤的網格)、lattice (標示為規則線條)、stream (標示為文字對齊)。

row

每張表格一列。您的載入器可以從標題列讀取欄位名稱,該列標示為 header="1"。

cell

儲存格文字。合併的儲存格會保留 colspan 或 rowspan,以便重建原始網格。

x, y, w, h

以點為單位的座標與尺寸。表格和儲存格,以及標題和段落都會取得這些值。零是左上角,y 向下遞增,與原生 PDF 座標不同。

啟用選項時

fonts 和 fontspec

在文件頂部只列出一次。每個 fontspec 都有一個 id、系列和大小、一個 #RRGGBB 格式的顏色,以及在設定時的粗體和斜體旗標。元素會以 font="id" 指向它,因此顏色不會在每個元素上重複。

啟用選項時

line 和 text

標題和段落文字會移入巢狀的 line 和 text 元素,每個元素都有自己的方塊。從右向左的線條會帶有 dir="rtl"。

啟用選項時

width 和 height

每個 page 元素上的頁面尺寸(以點為單位)。標準 A4 紙張的尺寸通常為 595.3 x 841.9 點。

scanned="1"

當頁面沒有文字層,只有影像時設定。您的載入器可以將此類頁面路由至手動檢查。

ocr="1" 和 confidence

當頁面文字來自辨識時設定,並附有辨識信賴度值。辨識過的頁面會產生段落;表格偵測不會在這些頁面上執行。

Scripts 可信賴的資料.

Scripts 可信賴的資料

使用「PDF 轉 XML 轉換器軟體」(PDF to XML Converter Software),您將從每個部門獲得相同的報告結構。

  • 您的匯入腳本將能應對財務部門的下一個報告範本。
  • 數字會直接匯入資料庫欄位,無需人工重新輸入。
  • 搜尋索引可將章節標題排在前面。

批次處理:每個 PDF 僅產生一個 XML

新增單一檔案或一整個報告資料夾。PDF 轉 XML 轉換器軟體 (PDF to XML Converter Software) 會針對每個 PDF 產生一個 XML,名稱與來源檔案相同,並在覆寫前於批次處理時僅詢問一次。請先從列表中移除受密碼保護或損壞的 PDF:否則批次處理將在該檔案處停止。

元素依閱讀順序排列

在雙欄佈局中,左欄內容會先出現,然後是右欄。希伯來文或阿拉伯文會保留其由右至左的順序。

散文保持散文形式

文字中的大段空白會讓許多表格偵測器感到困惑。我們將排除非表格類的內容,保留原始的散文。在我們的雙欄測試檔案中,有 9 個內容被排除,散文保持原樣。

Windows 桌面程式

此程式會在 Windows 上安裝,內建 PDFium 和我們的 XML 寫入器。不會向您的專案新增任何額外內容。您需手動啟動批次處理:PDF 沒有 API、SDK 或命令列介面,因此伺服器作業無法將其作為服務呼叫。

佈局傾印,或可查詢的資料

常用方法

編輯器匯出和上傳網站

  • PDF 編輯器的 XML 匯出描述的是頁面佈局,而非其資料。
  • 表格以獨立字串的形式出現,沒有底層網格。
  • 上傳轉換器很少說明 PDF 內容如何對應至 XML 元素。
VS
本程式

一個結構描述,清楚呈現

  • 每個檔案使用相同的記錄式結構描述,於此頁面顯示。
  • 在您的電腦上運行,報告不會被上傳到任何地方。

如何下載與使用「PDF 轉 XML 轉換器軟體」(PDF to XML Converter Software)

安裝並載入報告.
1

安裝並載入報告

設定完成後,將 PDF 檔案或資料夾拖曳到列表中。

決定位置和字體.
2

決定位置和字體

「結構化 XML」(Structured XML) 是唯一的輸出格式。勾選「新增座標和字體 (每個元素的位罝、大小、字體)」以包含區塊位置;若只需輕量級僅含文字的檔案,則取消勾選。

執行轉換.
3

執行轉換

按一下「轉換」。完成訊息會顯示已轉換為 XML 的檔案數量及其目的地資料夾。「停止」可在兩個檔案之間暫停作業。

將您的解析器指向輸出.
4

將您的解析器指向輸出

所有 XML 均為 UTF-8 編碼,無位元組順序標記。請使用 XSLT、Python 的 ElementTree 或資料庫的大量載入器讀取。

PDF to XML Converter Software
PDF to XML Converter Software執行您自己的報表資料夾,透過 PDF 轉 XML 轉換軟體 進行轉換,然後在您的編輯器中開啟第一個 XML。

誰會使用 PDF 轉 XML 轉換工具?

資料工程師
ETL 開發人員
系統整合商
商業智慧分析師
搜尋索引開發人員
文件處理流程 QA 測試人員
採購自動化開發人員
可存取性與版面配置分析師

試用版對每個 PDF 的處理範圍

輸出試用版授權
一次性 PDF 處理無限制無限制
寫入每個 XML 的行數前 10 行(每行是文字行或表格列)整個文件
表格標頭列保留,不計入前 10 行✓
超出限制後的頁面✗✓
可通過解析器驗證的 XML✓✓
在試用檔案中,document 的 pages 屬性僅計算已成功處理的頁面。
  下載 
  立即購買
從 ¥ 209
  立即購買
從 ¥ 209
  下載 

在試用檔案中,document 的 pages 屬性僅計算已成功處理的頁面。

PDF to XML Converter Software
PDF to XML Converter Software
價格
從 ¥ 209
版本
3.3
檔案大小
9 Mb
最后更新于
26/09/26
試用版的限制為每個 PDF 在 XML 輸出中最多 10 行。
System Requirements
  • Windows 11/10/8.1/8/7 (32/64 位)
  • Intel i3、AMD Ryzen 5 或以上
  • 4 GB 或以上記憶體
  • NVIDIA® GeForce® 系列 8 和 8M、Intel® HD Graphics 2000、Quadro FX 4800、Quadro FX 5600、AMD Radeon™ R600、Mobility Radeon™ HD 4330、Mobility FirePro™ 系列、Radeon™ R5 M230 或更高階顯示卡,並安裝最新驅動程式
  • 1280 × 768 螢幕解析度,32 位元色彩
  • 1 GB 或以上可用硬碟空間

常見問題解答

將 PDF 或整個資料夾加入清單,將「結構化 XML」設定為輸出,選擇是否包含座標和字型,然後按一下「轉換」。每個 XML 檔案的名稱取自 PDF,並具有一個 document 根元素,其中每個 page 元素代表一個頁面。

PDF 記錄文字位置。閱讀順序、表格網格以及標題與內文之間的區別,大多數情況下並未儲存為資料。XML 使用純文字中的巢狀命名元素供程式讀取。程式透過將行分組為段落、根據字型大小識別標題以及尋找表格儲存格來重建此結構。標記式 PDF 包含部分結構;程式在可用時會使用其表格標籤。

我們PDF 轉 XML 轉換器的免費試用版可轉換您加入的每個 PDF,但僅寫入每個 PDF 的前 10 行。縮短的檔案仍然是有效的 XML,因此您可以檢查報表中的元素樹並測試您的解析器。線上服務需要上傳,並且很少描述其 XML 輸出。購買授權可移除此限制。

新增 PDF 檔案後,程式會儲存一個同名 XML 檔案。其外觀如本頁頂部附近的範例所示。文件根部包含每個頁面的頁面元素,而每個頁面內的標題、段落和表格則依照閱讀順序排列。結構標籤會列出所有元素和屬性。當您在比較工具以尋找用於資料管道的最佳 PDF 轉 XML 轉換器時,應先要求其提供類似此處的輸出範例。

可以。您可以使用批次載入器或簡短的 XSLT 腳本將 XML 映射到表格。表格列會成為記錄,標頭列提供欄位名稱,而標題則可作為區段標籤。您必須自行映射發票號碼和到期日期等欄位;程式無法辨識這些欄位。

合併儲存格會保留 colspan 或 rowspan,並標記標頭列以便您重建網格。跨越多頁的表格會在每個頁面元素內成為獨立表格。標記的標頭列僅在 PDF 顯示標頭處出現。掃描頁面會產生段落,而非表格。

否。程式使用上方標籤所示的結構,不使用範本或欄位映射。對於期望自身 XML 的網站或會計程式,請使用 XSLT 轉換輸出,或使用專為該格式設計的程式。政府網站的 XML 表單通常來自表單本身的軟體,而非 PDF。

評分 PDF to XML Converter Software

  • Windows 7
  • Windows 8
  • Windows 10
  • Windows 11
作者: SoftOrbits (English)
4.5
平均評分: 4.5 從 1144 票數
好

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