PDF to Structured XML Exporter
محتوى PDF بصيغة XML يقرؤها البرنامج
حوّل ملفات PDF إلى XML منظم دفعة واحدة، دون اتصال: صفحات وعناوين وفقرات وجداول كصفوف وخلايا. إحداثيات وخطوط اختيارية لكل كتلة. نسخة تجريبية مجانية.
Full seller details: Legal information.
أعطه مجلدًا من التقارير لتحصل على ملف XML لكل PDF: عنصر page لكل صفحة، وعناوين بمستوياتها، وفقرات، وجداول مقسمة إلى صفوف وخلايا. يعمل على جهاز Windows الخاص بك، فلا يُرفع شيء.
ملف PDF يعرف أين يذهب الحبر، لا ماذا يعني
لا توجد داخل PDF فقرة ولا عنوان ولا جدول - فقط قطع نصية موضوعة عند إحداثيات على صفحة. هذا مناسب للطباعة وعديم الفائدة لبرنامج نصي للاستيراد. وتصدير XML في محررات PDF يصف في الغالب ذلك التخطيط، ونادرًا ما تذكر مواقع الرفع كيف يُبنى ناتجها. أما هذا البرنامج فيعيد بناء البنية: يجمع الأسطر في فقرات، ويرتب العناوين بحسب حجم الخط، ويجد شبكات الجداول، ويكتب ذلك كله وفق المخطط نفسه في كل مرة، فلا يضطر الكود الذي يقرؤه إلى التخمين.
How to use it
حمّل ملفات PDF
أضف ملفات منفردة أو مجلدًا كاملًا. يحصل كل PDF على ملف XML خاص به باسم المصدر، ويسأل البرنامج مرة واحدة في كل دفعة قبل أن يستبدل ناتجًا أقدم.
اختر ناتجًا خفيفًا أو مفصلًا
اترك الإحداثيات متوقفة لملف مضغوط فيه البنية والنص فقط. فعّلها فتحصل كل كتلة على x وy وw وh بالنقاط، ومرجع إلى عنصر خط، وعناصر أسطر ونصوص متداخلة - مستوى التفصيل الذي تتوقعه من pdftohtml -xml.
سلّم الملفات إلى الكود الخاص بك
كل ملف سليم التكوين بترميز UTF-8 دون علامة ترتيب البايت. اقرأه بـ ElementTree أو lxml أو XSLT أو محمّل XML في قاعدة بياناتك؛ فأسماء العناصر لا تتغير من تقرير إلى آخر.
Benefits
الجداول تصل شبكة، لا سلاسل متفرقة
يحمل كل جدول عدد صفوفه وأعمدته، وصف ترويسة موسومًا header="1"، وcolspan أو rowspan للخلايا المدمجة. يمكن لمحمّلك أخذ أسماء الأعمدة من الترويسة وتحويل كل صف آخر إلى سجل. والجدول الممتد على عدة صفحات يُكتب جدولًا لكل صفحة.
مخطط واحد لكل ملف
document وpage وheading وparagraph وtable وrow وcell - الأسماء والسمات نفسها في كل ناتج، سواء جاء ملف PDF من المالية أو من مورّد أو من ماسح ضوئي. وعندما يصل تقرير الربع القادم، يقرؤه الاستيراد الذي كتبته لهذا التقرير أيضًا.
يعمل على جهازك
تُقرأ التقارير والعقود وقوائم الأسعار وتُكتب محليًا، دون رفع ودون حساب. تبقى المستندات السرية بعيدة عن خدمات الأطراف الثالثة، وتعمل المهمة حتى على جهاز لا يتصل بالإنترنت إطلاقًا.
لماذا يستخدمه الناس
مستويات عناوين يمكنك الاعتماد عليها
تُحدَّد المستويات من 1 إلى 6 بمقارنة حجم الخط بنص المستند كله، لا صفحة بصفحة. يحصل عنوان فصل في الصفحة 40 على المستوى نفسه لعنوان في الصفحة 2، فيمكن لفهرس بحث أو جدول محتويات أن يثق به.
الصفحات الممسوحة ضوئيًا موسومة، لا مخفية
الصفحة التي بلا طبقة نصية توسم scanned="1". وعندما يأتي نصها من التعرف الضوئي (الكتابات اللاتينية والسيريلية)، تحمل الصفحة ocr="1" وقيمة ثقة، وتحصل على فقرات فقط - لا تُكتشف الجداول في الصفحات المتعرَّف عليها. ويمكن لخط المعالجة لديك توجيه هذه الصفحات إلى فحص يدوي.
النثر لا يُخلط مع الجدول
تخدع المسافات الواسعة بين الكلمات كثيرًا من كاشفات الجداول فتحوّل مقالًا بعمودين إلى شبكة زائفة. تُرفض مثل هذه الحالات، ويسجل كل جدول حقيقي كيف عُثر عليه - من وسوم PDF أو من خطوط الفصل أو من محاذاة النص - في سمة source.
الأسئلة الشائعة
System Requirements
PDF to Structured XML Exporter
Languages
3.3
9 Mb
October 8, 2026
- Windows 11/10/8.1/8/7 (32/64 bit)
- Intel i3, AMD Ryzen 5 or above
- 4 GB of RAM or above
- NVIDIA® GeForce® series 8 and 8M, Intel® HD Graphics 2000, Quadro FX 4800, Quadro FX 5600, AMD Radeon™ R600, Mobility Radeon™ HD 4330, Mobility FirePro™ series, Radeon™ R5 M230 or higher graphics card with up-to-date drivers
- 1280 × 768 screen resolution, 32-bit color
- 1 GB of free hard disk space or above
GRT requirements trial note