版面 XML
版面 XML 记录 PDF 暴露出来的文本层。页面保留尺寸，每个文本片段保留位置、大小和字体信息。它适合搜索、视觉核对、后续提取规则以及需要把内容关联到页面位置的集成。
// PDF → XML
将 PDF 转换为 XML
使用此 PDF 转 XML 工具，将文档文本层变为可读结构，或恢复 PDF 内已有的嵌入 XML。读取在浏览器完成，不使用 AI、OCR，也不会把文档上传到转换服务器。
PDF 最大 20 MB、60 页。文件保留在浏览器中。
- 本地处理
- 无 AI 或 OCR
- 直接下载
版面 XML 示例 · 页面、行、坐标和文字均明确保留。
- 单文件 20 MB
- 0 次上传到服务器
- 单个 PDF 最多 60 页
- 确定性提取，无 AI
// 了解输出结果
此 PDF 转 XML 工具输出什么
PDF 和 XML 解决不同的问题。PDF 固定展示效果，XML 则为系统、脚本和技术读者组织信息。转换不会猜测原始数据库或重建源文档。此工具会清晰区分从 PDF 中提取的版面 XML 与原本就附在 PDF 内的 XML。
嵌入 XML
有些 PDF 将 XML 作为内部附件。下载该附件比从页面推断业务字段更可靠。工具会按声明的编码预览附件，并按原始字节下载，不会重新编码为 UTF-8。
// 实际用途
何时使用 PDF 转 XML 工具
当下一步需要文本、位置或附带数据文件时使用此工具。它提供可验证的处理基础，而不是替代业务数据模式。
准备集成
集成团队可将输出作为中间步骤，再用自己的规则或 XSLT 映射到目标系统。这样能区分页面上的可见文字和已被验证的字段。
核对报告和文档
对于报告、收据、合同和对账单，版面 XML 可在自动化前定位标题、总额、日期和引用。可在同一流程中将文本片段与源 PDF 预览逐一比较。
建立技术索引
将版面 XML 与 PDF 一同保存，用于索引和审计。页码和坐标能让后续搜索定位到文字出现的位置，但这并不表示 PDF 已成为可直接使用的数据库。
恢复附带数据
当 PDF 含有 XML 时，目标从提取版面变为恢复已有附件。转换器会检测 XML 附件，让用户选择其一，并保留原始下载字节。
// 使用步骤
如何使用 PDF 转 XML 工具
流程将一个决定说清楚：有嵌入 XML 时优先使用它，否则使用版面 XML。界面总会标明即将下载的输出类型。
- 01documento.pdf
选择 PDF
选择或拖入 PDF。工具会在读取前检查扩展名、文件签名、大小和页数。此版本不提供输入密码的界面，因此不会打开受密码保护的 PDF。
- 02
结合上下文核对
将 XML 与 PDF 预览进行比较。摘要会显示页数、文本片段和附件。嵌入 XML 会作为单独选项出现；没有附件时，界面会将下载标注为提取的版面 XML。
- 03XML
下载合适的输出
PDF 中含有原始文件时选择嵌入 XML；需要文字和页面几何信息时选择版面 XML。请保留能够识别来源的文件名，并在编辑器、XML 验证器或集成流程中验证结果。
// 技术解读
如何读取版面 XML
根元素标识模式和坐标原点。每个 page 包含宽度和高度。line 会组合相邻文本片段，span 保存文字与 x、y、width、height、font。这会保留空间上下文，但不证明视觉行属于某个表格或业务字段。自动化决策前，请为具体文档定义规则并验证真实样本。
</>documento.xml
<page number="1" width="595" height="842">
<line x="56" y="52">
<span font="Helvetica" xml:space="preserve">Pedido de exemplo…</span>
</line>
</page>
// 明确限制
本地转换器会说明的限制
此版本读取 PDF 已有的文本层。仅由图片组成的扫描件可能没有文本片段。流程不包含 OCR 或 AI 分类，因此不会虚构缺失字符。自由排版的文档也可能存在与视觉顺序不同的读取顺序。请使用预览并验证重要文档。
- 单个文件最大 20 MB
- 最多 60 页
- 最多 40,000 个文本片段
- 拒绝受密码保护的 PDF
// 可验证的隐私
本地 PDF 转 XML 的隐私
提取在此浏览器中运行。PDF 不会发送到转换路由、保存到历史记录或获得公开下载链接。预览使用临时浏览器地址，在更换文件或离开页面时被丢弃。提取流程不会执行 PDF 链接、脚本、操作或注释。
0 字节发送到服务器
PDF 转 XML 工具问题
直接说明如何选择正确输出及理解其限制。