PDF to Structured XML Exporter

让程序读得懂的 XML，来自 PDF 的内容

离线批量将 PDF 文件转换为结构化 XML：页面、标题、段落和表格（行与单元格）。每个块可选输出坐标和字体。免费试用。

下载免费试用版购买许可证

Full seller details: Legal information.

PDF to Structured XML Exporter — screenshot.

给它一个装满报告的文件夹，每个 PDF 就得到一个 XML 文件：每页一个 page 元素，标题带有级别，还有段落，以及拆成行和单元格的表格。它运行在你的 Windows 电脑上，所以不会上传任何东西。

PDF 只知道墨迹落在哪里，不知道它是什么意思

PDF 内部没有段落，没有标题，也没有表格，只有放在页面坐标上的一段段文字。这对打印来说没问题，对导入脚本却毫无用处。PDF 编辑器里的 XML 导出大多只是描述这种版面，上传类网站也很少说明输出是怎么生成的。本程序则重建结构：把行归并成段落，按字号给标题分级，找出表格网格，并且每次都以同一种模式写出，所以读取它的代码不必去猜。

How to use it

1

加载 PDF

添加单个文件或整个文件夹。每个 PDF 都会得到一个以源文件命名的 XML 文件，在替换旧输出之前，程序每批只询问一次。

2

选择精简或详细输出

关闭坐标可得到只含结构和文本的紧凑文件。开启后，每个块都会有以点为单位的 x、y、w 和 h，一个指向字体条目的引用，以及嵌套的 line 和 text 元素，详细程度相当于 pdftohtml -xml 的输出。

3

把文件交给你的代码

每个文件都是格式良好的 UTF-8，不含字节顺序标记。可以用 ElementTree、lxml、XSLT 或数据库的 XML 加载器读取；元素名称在不同报告之间保持不变。

Benefits

表格以网格形式到达，而不是零散的字符串

每个表格都带有行数和列数，表头行标为 header="1"，合并的单元格带有 colspan 或 rowspan。你的加载器可以从表头取得列名，并把其余每一行变成一条记录。跨越多页的表格会按每页一个表格写出。

下载免费试用版购买许可证

每个文件都用同一种模式

document、page、heading、paragraph、table、row、cell：每个输出里的名称和属性都相同，不论这份 PDF 来自财务部门、供应商还是扫描仪。下个季度的报告送来时，你为这一份写好的导入程序同样能读取它。

下载免费试用版购买许可证

在你自己的电脑上运行

报告、合同和价目表都在本地读取和写入，不上传，也不需要账户。机密文档不会进入第三方服务，任务甚至可以在完全没有网络的机器上运行。

下载免费试用版购买许可证

人们为什么使用它

可以信赖的标题级别

1 到 6 的级别是根据字号与整份文档正文的比较确定的，而不是逐页判断。第 40 页的章节标题与第 2 页的章节标题级别相同，所以搜索索引或目录可以放心依赖。

扫描页会被标记，而不是被隐藏

没有文字层的页面会标记为 scanned="1"。如果其文字来自识别（拉丁字母和西里尔字母），该页会带有 ocr="1" 和一个置信度数值，并且只输出段落，识别过的页面不会检测表格。你的流程可以把这些页面转给人工检查。

不会把正文误认成表格

单词之间的大间距会骗过许多表格检测工具，把双栏文章变成假的网格。这类候选会被拒绝，而每个真正的表格都会在其 source 属性中记录自己是如何被发现的：来自 PDF 标签、来自分隔线，还是来自文本对齐。

常见问题解答

不能。输出始终遵循唯一一种内置模式，没有模板，也没有字段映射，程序也不会挑出发票号或到期日之类的字段。如果某个系统需要它自己的 XML，请用 XSLT 或一小段脚本转换本输出。
没有。它是需要你手动运行的 Windows 桌面程序：添加文件，开始批处理。没有 SDK，没有可链接的库，也没有针对 PDF 的命令行，所以服务器任务无法调用它。它适合你自己准备的批量任务，而不是按需转换的服务。
每个 PDF 都会被转换，但每个 XML 只包含前 10 行，其中一行指一行文本或表格的一行。表头行会保留且不计入。缩短后的文件仍是有效的 XML，所以你可以用自己的解析器处理它，在一次性付费购买授权之前看到真实的元素树。

System Requirements

PDF to Structured XML Exporter

Languages

Version

3.3

File Size

9 Mb

Last updated on

October 8, 2026

立即购买
GRT requirements price see order下载
  • 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