PDF 转 XML
把 PDF 的内容转换成结构化的 XML，标题、段落和表格都会变成带标签的元素，其他软件或数据库都可以直接读取。
将 PDF 拖放到这里
或点击选择文件
把 PDF 的内容提取成结构化的 XML：文本块和表格行都会被标记为元素，因此结果可以导入数据库、ERP 系统或 CMS，而不必用手重新录入。
PDF 是为打印而生的格式，而不是数据格式——文字按绝对位置摆放，可以从文件中读出来，但文件本身并不知道什么是「列」或「合计」。这个工具会根据版面重建一套合理的元素结构，对表单和简单表格效果不错，对复杂的多栏文档则需要人工复核。当 PDF 内嵌了所需字体时，非拉丁文字会按原样提取。
如何把 PDF 内容提取为 XML
添加你的 PDF
转换为 XML
检查结构并下载文件
常见问题
XML 能完美还原文档吗？
不能。结构是根据版面推断出来的，对表单和简单表格比较接近，对复杂的多栏页面则只是近似。请把它当作一份质量不错的初稿，而不是经过认证的转换结果。
XML 里包含什么？
按元素分组并带有位置信息的文本内容。图片不会被嵌入——如果你需要把图形导出为文件，请使用 PDF 转图片工具。
扫描版 PDF 也能用吗？
不能。扫描件是文字的图像，没有可提取的内容。这类文档需要先做 OCR。
支持受密码保护的文件吗？
只支持无需密码即可打开的文档。如果文件属于你，请先解除保护。
结果可以直接导入吗？
XML 结构良好，可以被标准工具解析，但通常你还需要先把它里面的元素映射到自己的数据结构，再执行导入。
我的 PDF 会被上传吗？
不会。提取过程在你的浏览器中进行。
XML 里到底包含什么？
从文档中提取出来的文字，按页分别包在 XML 元素里。它不包含原有的版面、字体或图形——它的用途是把内容送入另一个系统，而不是还原这份 PDF。
表格会保留吗？
只会以文字形式保留。行和列会按阅读顺序变成一行行文字，因为 PDF 保存的是带有位置的字形，而不是表格结构。如果你需要真正的单元格，请改用 PDF 转 Excel 工具。
可以选择字符编码吗？
可以。几乎在所有场合 UTF-8 都是正确选择；只有当后续系统强制要求时才选 UTF-16，因为对拉丁文字而言这会让文件体积翻倍。
扫描件能用吗？
不能——扫描页没有文字层可供提取。请先做 OCR，再转换生成的可搜索 PDF。
一览
| 输入 | |
|---|---|
| 多个文件 | 否 |
| 运行位置 | 在你的浏览器中——文件永远不会被上传 |
| 离线可用 | 是 — 页面加载完成后 |
| 价格 | 免费，无需注册，无水印 |
让文字保持可选中、可搜索
PDF 里可以是真正的文字，也可以是文字的图片，这个区别很重要：真正的文字可以选中、搜索、复制和朗读，而扫描页面在有人对它运行 OCR 之前做不到这些。很多「减小体积」的工具会悄悄把一切扁平化成图片，文件是变小了，但可搜索性被破坏，放大时文字也变得模糊。如果一份文档需要继续可用——合同、手册、任何你以后可能要搜索的东西——就让文字保持为文字，只压缩图片。如果你手上的起点是扫描件，先运行 OCR，再压缩。
PDF 版本、标准与兼容性
PDF 1.4 基本上什么都能读，是表单和一般分享的安全默认值。PDF 1.7 加入了更好的压缩，是大多数现代软件写出的版本。PDF/A 是存档用的变体，它嵌入所有字体并禁止依赖外部内容，好让文件在二十年后仍能呈现得一模一样——档案机构和某些政府提交要求它，但对日常文件来说它是个糟糕的选择，因为体积更大。加密的 PDF 需要先解除保护，其他任何工具才能处理它，而权限（所有者）密码比打开密码更弱：它的目的是阻止打印和复制，而不是把任何人挡在外面。