PDF转XML

将PDF文档转换为结构化XML格式，保留内容层级

使用纯Node.js将PDF文档转换为结构化XML格式。

示例结果

1 个示例

PDF文档转XML

将PDF文档转换为结构化XML格式

pdf-to-xml-output.xml 查看文件
查看输入参数
{ "sourceFile": "/public/samples/pdf/document.pdf", "outputMode": "structured", "includeDeclaration": true }

Click to upload file or drag and drop file here

Maximum file size: 50MB Supported formats: application/pdf

关键信息

分类
文档与 PDF
输入类型
file, select, checkbox
输出类型
file
样本覆盖
4
支持 API
Yes

概览

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。

适用场景

  • •需要从PDF格式的报告、论文或发票中提取结构化文本数据进行二次开发或分析时。
  • •需要将不可编辑的PDF文档内容导入到支持XML格式的数据管理系统或数据库中时。
  • •在自动化文档处理流程中，需要将PDF转换为带有层级标签的XML标记语言时。

工作原理

  • •上传需要转换的PDF文件（大小限制在50MB以内）。
  • •选择输出模式（紧凑的Compact XML或易读的美化Pretty-printed XML），并设置是否包含XML声明。
  • •点击转换按钮，系统将解析PDF的文本与层级结构并生成对应的XML文件。
  • •下载转换完成的XML文档。

使用场景

学术文献数字化：将PDF格式的学术论文转换为XML，便于进行文本挖掘和文献分类。
企业报表数据提取：批量将PDF财务报表转换为XML格式，以便导入企业ERP或数据分析系统。
电子书与文档归档：将PDF说明书或电子书转换为结构化的XML文档，方便长期保存和跨平台读取。

用户案例

1. 提取PDF财务报表数据

财务数据分析师
背景原因
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。
解决问题
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。
示例配置
输出模式: Pretty-printed XML, 包含XML声明: 开启
效果
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。

2. 自动化系统对接的紧凑XML生成

后端开发工程师
背景原因
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。
解决问题
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。
示例配置
输出模式: Compact XML, 包含XML声明: 关闭
效果
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。

用 Samples 测试

xml, pdf, file
PDF示例
2026-02-01 到 2026-02-10 工具生成的PDF示例
title token pdf
pdf
XML 示例
XML（可扩展标记语言）格式示例，从简单到复杂结构
title token xml
xml
Markdown 幻灯片示例
用于测试 PDF 导出的 Remark/Marp 风格 Markdown 幻灯片
preferred input family pdf
pdf
Android Java 序列化示例
Android Java 序列化示例，包括JSON序列化、反序列化和XML解析
matched family xml
xml

相关专题

PDF 转换与文档导出工具
在一个专题里比较把文档、图片和结构化内容导入或导出 PDF 的工具，适合发布、分享和下游处理工作流。
XML 转换、映射与 XPath 工具
围绕XML 转换、映射、合并与 XPath 提取整理的一组工具。
PDF 组装、排版与保护工具
把 PDF 页面组装、版式控制、水印、信纸底图、匿名化、密码保护和辅助脱敏工具集中到一个专题中。
可打印 PDF 排版与模板生成工具
围绕可打印 PDF 排版生成与可复用文档模板整理的一组工具。

常见问题

转换后的XML会保留PDF的排版格式吗？

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。

什么是“紧凑”和“美化”输出模式？

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。

转换支持扫描件或图片格式的PDF吗？

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。

转换时可以去掉XML文件开头的声明吗？

可以，在转换前取消勾选“包含XML声明”选项即可。

上传的PDF文件有大小限制吗？

有的，单个PDF文件的大小上限为50MB。

API 文档

请求端点

POST /zh/api/tools/pdf-to-xml

请求参数

参数名 类型 必填 描述
sourceFile file (需要先上传) 是 -
outputMode select 否 -
includeDeclaration checkbox 否 -

文件类型参数需要先通过 POST /upload/pdf-to-xml 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
文件: 文件

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-pdf-to-xml": {
      "name": "pdf-to-xml",
      "description": "将PDF文档转换为结构化XML格式，保留内容层级",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=pdf-to-xml",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]