PDF to XML Converter Software PDF to XML Converter Software

Lataa PDF-XML-muunninohjelmisto: Taulukot riveinä ja soluina

PDF-XML-muunninohjelmisto kirjoittaa jokaisen PDF-tiedoston XML-muodossa dokumentti-, sivu-, otsikko-, kappale- ja taulukolementteinä, joten skripti voi ladata sisällön arvaamatta ulkoasua.

Hyvin muodostettu UTF-8 XML, ei BOM-merkkiäValinnaiset koordinaatit ja fontit10 rivin kokeilu per PDF, edelleen kelvollinen XML
PDF to XML Converter Software Kuvakaappaus.
SoftOrbits PDF-XML-muunninohjelmisto Windowsille muuntaa PDF-raporttikansion XML-muotoon. Saat otsikot ja kappaleet elementteinä sekä taulukot riveinä ja soluina, kaikki lukujärjestyksessä. Neljännesvuosiraporttisi käyttävät samaa skeemaa joka kerta, kun lataat ne tietokantaan tai hakemistoon.

Yksi sivu myyntiraportista, muunnettu. Alla on aloitus XML-tiedostosta, jonka moottorimme kirjoitti yhden sivun koeraportista ruudukkomuotoisella taulukolla. Leikkasimme kappaletekstin, kolme viimeistä taulukkoriviä ja lopettavan kappaleen tilan säästämiseksi. Elementtien nimet, attribuutit ja niiden arvot ovat täsmälleen niin kuin ne on kirjoitettu.

<?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">Alueellinen yhteenveto</heading>
    <paragraph>Neljännesvuoden liikevaihto kasvoi kaikilla kolmella alueella..</paragraph>
    <table rows="6" columns="4" source="lattice">
      <row header="1"><cell>Alue</cell><cell>Lisenssit</cell><cell>Liikevaihto</cell><cell>Osuus</cell></row>
      <row><cell>Pohjoinen</cell><cell>120</cell><cell>15,400.00</cell><cell>12%</cell></row>
      <row><cell>Etelä</cell><cell>157</cell><cell>17,710.00</cell><cell>15%</cell></row>
      <!-- 3 lisää riviä -->
    </table>
  </page>
</document>

XML-skeema, elementti kerrallaan

Jokainen tiedosto noudattaa samaa dokumentoitua skeemaa. Valitse välilehti nähdäksesi, mitkä elementit ja attribuutit esiintyvät ja milloin.

document

Juurielementti. Sisältää lähdetiedoston nimen, sivumäärän, units="pt" ja origin="top-left".

page

Yksi per PDF-sivu, numerollaan. Kaikki sivulla oleva sijaitsee sen sisällä.

heading

Kantaa tasoa 1-6, perustuen fonttikokoon verrattuna leipätekstiin kaikilla sivuilla. Tasot pysyvät yhdenmukaisina sivulta toiselle.

paragraph

Leipäteksti. Kun asetus on pois päältä, jokainen kappale on yksi tekstijono, jolta sivun rivinvaihdot on poistettu.

table

Sisältää rivi- ja sarakenumerot sekä source-attribuutin, jolla on kolme mahdollista arvoa: tagged PDF-tageista luettavaa ruudukkoa varten, lattice viivaviivoitusta varten, stream tekstin kohdistusta varten.

row

Yksi per taulukon rivi. Lataajasi voi lukea sarakkeiden nimet otsikkoriviltä, merkitty header="1".

cell

Solun teksti. Yhdistetyt solut säilyttävät colspan tai rowspan, joten alkuperäinen ruudukko voidaan rakentaa uudelleen.

x, y, w, h

Sijainti ja koko pisteinä. Taulukot ja solut saavat ne, samoin kuin otsikot ja kappaleet. Nolla on vasen yläkulma ja y kasvaa alaspäin, toisin kuin natiivi PDF-koordinaatit.

kun asetus on päällä

fonts and fontspec

Listattu kerran dokumentin yläosassa. Jokaisella fontspecillä on id, family ja size, väri #RRGGBB muodossa, sekä lihavointi- ja kursiiviasetukset silloin kun ne on määritetty. Elementit osoittavat siihen fontilla="id", joten väriä ei toisteta jokaisessa.

kun asetus on päällä

line and text

Otsikko- ja kappaleteksti siirtyy sisäkkäisiin line- ja text-elementteihin, joilla jokaisella on oma laatikko. Oikealta vasemmalle kulkeva rivi kantaa dir="rtl".

kun asetus on päällä

width and height

Sivun koko pisteinä jokaisessa page-elementissä. Tavallinen A4-sivu lukee yleensä 595.3 x 841.9.

scanned="1"

Asetettu, kun sivulla ei ollut tekstikerrosta, vain kuva. Lataajasi voi ohjata tällaiset sivut manuaaliseen tarkastukseen.

ocr="1" and confidence

Asetettu, kun sivun teksti tuli tunnistuksesta, mukana luottamusarvo. Tunnistetut sivut antavat kappaleita; taulukoiden tunnistusta ei suoriteta niissä.

Dataan, johon skriptisi voivat luottaa.

Dataan, johon skriptisi voivat luottaa

PDF to XML Converter Software -ohjelmalla saat saman raporttirakenteen jokaisesta osastosta.

  • Tuontiskriptisi kestää seuraavan talousosaston raporttimallin.
  • Luvut päätyvät tietokannan sarakkeisiin ilman uudelleenkirjoitusta.
  • Hakuindeksi voi sijoittaa osioiden otsikot muiden tekstien yläpuolelle.

Yksi XML per PDF erässä

Lisää yksittäisiä tiedostoja tai raporttikansio. PDF to XML Converter Software kirjoittaa yhden XML-tiedoston per PDF, nimettynä lähdetiedoston mukaan, ja kysyy kerran erää kohden ennen ylikirjoitusta. Poista ensin salasanasuojatut tai vahingoittuneet PDF-tiedostot luettelosta: molemmat pysäyttävät erän kyseiseen tiedostoon.

Elementit lukujärjestyksessä

Kaksipalstaisessa asettelussa vasen palsta tulee ensin, sitten oikea. Heprean tai arabian rivit säilyttävät oikealta vasemmalle -järjestyksensä.

Proosa pysyy proosana

Laajat aukot tekstissä hämäävät monia taulukoiden tunnistajia. Hylkäämme vääriä taulukkoehdokkaita juoksevasta proosasta. Kahden palstan testitiedostossamme 9 poistettiin ja proosa pysyi ennallaan.

Windows-työpöytäohjelma

Ohjelma asennetaan Windowsiin integroidulla PDFium-komponentilla ja omalla XML-kirjoittimellamme. Mitään ei lisätä projektiisi. Käynnistät erät käsin: PDF-tiedostoille ei ole APIa, SDK:ta tai komentoa, joten palvelintehtävä ei voi kutsua sitä palveluna.

Asettelun tietojen poiminta tai kyseltävissä oleva data

Tavanomaiset reitit

Editorin vienti ja lataussivustot

  • PDF-editorin XML-vienti kuvaa sivun asettelua eikä sen dataa
  • Taulukot saapuvat irrallisina merkkijonoina ilman niiden taustalla olevaa ruudukkoa
  • Latausmuuntimet harvoin kertovat, miten PDF-sisältö vastaa XML-elementtejä
VS
Tämä ohjelma

Yksi skeema, näytettynä selkeästi

  • Sama dokumentoitu skeema jokaiselle tiedostolle, näytettynä tällä sivulla
  • Toimii tietokoneellasi, raportteja ei ladata mihinkään

Kuinka ladata ja käyttää PDF to XML Converter Software -ohjelmaa

Asenna ja lataa raportit.
1

Asenna ja lataa raportit

Asennuksen jälkeen vedä PDF-tiedostot tai kansio luetteloon.

Päätä sijainnit ja fontit.
2

Päätä sijainnit ja fontit

"Structured XML" on ainoa vientimuoto. Valitse "Add coordinates and fonts (position, size, font of every element)" sisällyttääksesi lohkojen sijainnit; jätä se pois kevyempää, vain tekstiä sisältävää tiedostoa varten.

Käynnistä muunnos.
3

Käynnistä muunnos

Paina Convert. Valmistumisviesti antaa muunnettujen tiedostojen määrän XML:ksi ja niiden kohdekansion. Stop pysäyttää tehtävän kahden tiedoston välissä.

Kohdista jäsennin tulosteeseen.
4

Kohdista jäsennin tulosteeseen

Jokainen XML on UTF-8 ilman tavujärjestysmerkkiä. Lue se XSLT:llä, Pythonin ElementTree-kirjastolla tai tietokantasi massalataajalla.

PDF to XML Converter Software
PDF to XML Converter SoftwareSuorita omien raporttiesi kansio PDF to XML Converter Software -ohjelmalla ja avaa ensimmäinen XML editorissasi.

Kuka käyttää PDF to XML Converter Tool -työkalua?

Data-insinöörit
ETL-kehittäjät
Järjestelmäintegraattorit
BI-analyytikot
Hakuindeksikehittäjät
Dokumenttiprosessien QA-testaajat
Hankintojen automaatiokehittäjät
Saavutettavuus- ja asetteluanalyytikot

Kuinka pitkälle koekäyttö etenee jokaisen PDF-tiedoston osalta

TulosmuotoKokeiluversioLisenssi
PDF-tiedostot yhdessä erässäEi rajoitustaEi rajoitusta
Kirjoitetut rivit kuhunkin XML-tiedostoonEnsimmäiset 10 (tekstirivi tai taulukkorivi kumpikin)Koko dokumentti
Taulukon otsikkoriviSäilytetty, ei lasketa mukaan 10:een✓
Ohitse rajauksen✗✓
XML, joka läpäisee jäsentimen✓✓
Koetiedostossa document-elementin pages-attribuutti laskee vain mukaan päässeet sivut.
  Lataa 
  Osta nyt
Alkaen € 29,99
  Osta nyt
Alkaen € 29,99
  Lataa 

Koetiedostossa document-elementin pages-attribuutti laskee vain mukaan päässeet sivut.

PDF to XML Converter Software
PDF to XML Converter Software
Hinta
alkaen € 29,99
Versio
3.3
Tiedoston koko
9 Mb
Viimeksi päivitetty
21/09/26
Koekäytön raja on 10 riviä per PDF XML-tulosteessa
System Requirements
  • Windows 11/10/8.1/8/7 (32/64 bit)
  • Intel i3, AMD Ryzen 5 tai uudempi
  • 4 Gt RAM-muistia tai enemmän
  • NVIDIA® GeForce® sarja 8 ja 8M, Intel® HD Graphics 2000, Quadro FX 4800, Quadro FX 5600, AMD Radeon™ R600, Mobility Radeon™ HD 4330, Mobility FirePro™ sarja, Radeon™ R5 M230 tai korkeampi näytönohjain ajantasaisilla ajureilla
  • 1280 × 768 näytön tarkkuus, 32-bittinen väri
  • 1 Gt vapaata levytilaa tai enemmän

Usein kysytyt kysymykset

Lisää PDF-tiedosto tai koko kansio listaan, pidä Structured XML tulosteena, valitse sisällytetäänkö koordinaatit ja fontit, ja paina Convert. Jokainen XML-tiedosto saa nimensä PDF-tiedostosta ja sisältää document-juurielementin, jossa on yksi page-elementti per sivu.

PDF tallentaa tekstin sijainnit. Lukujärjestystä, taulukkorakenteita ja otsikoiden sekä leipätekstin eroa ei yleensä tallenneta dataksi. XML käyttää ohjelmia varten luettavia, sisäkkäisiä, nimettyjä elementtejä selkokielessä. Ohjelma rakentaa tämän rakenteen ryhmittelemällä rivejä kappaleiksi, tunnistamalla otsikot fonttikoon perusteella ja löytämällä taulukoiden solut. Tagatut PDF-tiedostot sisältävät jonkin verran rakennetta; ohjelma käyttää niiden taulukkotageja, kun ne ovat saatavilla.

PDF to XML Converter -ohjelman ilmainen koekäyttöversio muuntaa jokaisen lisäämäsi PDF-tiedoston, mutta kirjoittaa vain jokaisesta ensimmäiset 10 riviä. Lyhennetty tiedosto pysyy kelvollisena XML-muodossa, joten voit tarkistaa elementtipuun raporteistasi ja testata jäsennintäsi. Online-palvelut vaativat latauksen ja kuvaavat harvoin XML-tulostettaan. Lisenssi poistaa rajoituksen.

Lisää PDF-tiedosto, ja ohjelma tallentaa samannimisen XML-tiedoston. Se näyttää tältä kuin tällä sivulla ylhäällä olevassa esimerkissä. Dokumentin juuri sisältää sivuelementin jokaiselle sivulle, ja kunkin sivun sisällä otsikot, kappaleet ja taulukot noudattavat lukujärjestystä. Skeemavälilehdet luettelevat jokaisen elementin ja attribuutin. Kun vertailet työkaluja parhaan PDF-muuntimen etsimiseksi data-putkeen, pyydä niistä aina ensin esimerkkilähtö, kuten tämä.

Kyllä. Voit yhdistää XML-tiedoston taulukoihin massalataajalla tai lyhyellä XSLT-skriptillä. Taulukkorivit muodostavat tietueita, otsikkorivi tarjoaa sarakkeiden nimet ja otsikot voivat toimia osioiden tunnisteina. Sinun on itse yhdistettävä kentät, kuten laskunumerot ja eräpäivät; ohjelma ei tunnista niitä.

Yhdistetyt solut säilyttävät colspan- tai rowspan-ominaisuuden, ja otsikkorivi on merkitty, jotta voit rakentaa ruudukon uudelleen. Usealle sivulle ulottuva taulukko muodostuu erilliseksi taulukoksi kunkin sivuelementin sisälle. Merkitty otsikkorivi ilmestyy vain silloin, kun PDF toistaa otsikon. Skannatut sivut tuottavat kappaleita, eivät taulukoita.

Ei. Ohjelma käyttää yllä olevien välilehtien osoittamaa skeemaa, ilman malleja tai kenttäyhdistämistä. Verkkosivustolle tai kirjanpito-ohjelmaan, joka odottaa omaa XML-muotoaan, muunna tuloste XSLT:llä tai käytä kyseiseen muotoon tarkoitettua ohjelmaa. XML-lomakkeet valtion sivustoille tulevat yleensä itse lomakkeen ohjelmistosta PDF-tiedoston sijaan.

Arvioi PDF to XML Converter Software

  • Windows 7
  • Windows 8
  • Windows 10
  • Windows 11
Kirjoittaja: SoftOrbits (English)
4,5
Keskimääräinen. luokitus: 4,5 alkaen 1142 äänet
Hyvä

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