PDF 转 XML 还是 PDF 转 Excel:给程序的结构化文本,还是给人的表格
两个工具都把 PDF 变成数据,但面向的读者不同。PDF 转 XML 按页把每页文本写成其他程序可读取的结构化 XML。PDF 转 Excel 查找表格并写入电子表格,每页一个工作表,人可以在其中排序、筛选和计算。本页对两者进行比较,帮你选出适合数据后续用途的一个。
一览表
| 对比项 | PDF 转 XML | PDF 转 Excel |
|---|---|---|
| 结果 | 包含每页文本的 XML 文件。 | 包含所找到表格的电子表格,每页一个工作表。 |
| 主要读者 | 程序、脚本或导入程序。 | 在电子表格中工作的人。 |
| 保留的内容 | 按页整理的文本。 | 表格单元格的行和列。 |
| 表格之外的文本 | 包含,因为会写出全部文本。 | 不是目标,重点在表格。 |
| 典型场景 | 为系统、搜索索引或文本分析提供数据。 | 对报告中的表格做合计、筛选和制图。 |
按谁来读取结果来决定
如果下一步是程序,XML 以可预测的结构提供全部文本供其读取。如果下一步是用电子表格的人,Excel 是更好的起点,因为表格已经在单元格里。如果你只想要用逗号分隔的简单表格文件,提取 PDF 表格为 CSV 是第三种办法。扫描的 PDF 没有可提取的文本,请先使用 OCR。
如何选择
PDF 转 XML
当软件要读取文本,而你想按页获得全部内容时,选择 PDF 转 XML。
PDF 转 Excel
当你想自己对表格排序、求和或制图时,选择 PDF 转 Excel。
两种选择都能用的免费工具
提到这个术语的指南
通俗解释PDF术语
常见问题
- PDF 转 XML 能理解我的表格吗?
- 它会把每页文本按结构写出,但不是表格工具。需要行和列,请用 PDF 转 Excel 或表格提取。
- 如果表格跨了两页怎么办?
- 表格按页读取,所以两部分会分开到来。请在电子表格中手动合并。
- 你们的哪些工具负责这件事?
- PDF 转 XML 把每页文本写成 XML,PDF 转 Excel 把表格写入电子表格,提取 PDF 表格把表格保存为 CSV。每个结果都是新文件,原文件保持不变。