Elysia Tools
导航
Document Tools
将PDF文档转换为结构化XML格式，保留内容层级
详情
使用纯Node.js将PDF文档转换为结构化XML格式。
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
PDF转XML工具能够快速将PDF文档转换为结构化的XML格式，保留文档的内容层级与文本结构。您可以通过选择紧凑（Compact）或美化（Pretty-printed）输出模式，并自主决定是否包含XML声明，轻松实现PDF数据的结构化提取与后续处理。
背景
公司的年度财务报告全部为PDF格式，分析师需要将这些报告中的数据导入到内部的分析软件中，但软件只支持XML格式输入。
问题
手动复制PDF中的表格和文本不仅效率低下，而且容易出错。
如何使用
上传财务报告PDF，将输出模式设置为“Pretty-printed XML”（美化XML）以便后续核对，并勾选“包含XML声明”，然后启动转换。
输出模式: Pretty-printed XML, 包含XML声明: 开启结果
成功获得结构清晰、带有缩进的XML文件，分析软件顺利读取并解析了所有财务数据。
背景
工程师正在开发一个文档处理管道，需要将用户上传的PDF合同转换为XML，然后通过API发送给第三方系统。
问题
第三方系统对传输的数据包大小有限制，需要尽可能减小生成的XML文件体积。
如何使用
在转换选项中将输出模式设置为“Compact XML”（紧凑XML），并取消勾选“包含XML声明”，上传PDF合同进行转换。
输出模式: Compact XML, 包含XML声明: 关闭结果
生成了去除了冗余空格和换行符的紧凑型XML文件，文件体积显著减小，成功通过API发送。
转换会保留文本的内容层级和结构，但不会保留字体、颜色等视觉排版样式。
紧凑模式会压缩XML代码以减小文件体积；美化模式则会添加缩进和换行，方便人类阅读。
本工具主要针对含有文本图层的可编辑PDF。如果是纯图片或扫描件PDF，可能无法提取出文本。
可以，在转换前取消勾选“包含XML声明”选项即可。
有的，单个PDF文件的大小上限为50MB。