XML格式具备良好的结构和语义信息。PDF转XML可以输出每个文字的编码、坐标、格式等信息，每个插图的坐标信息，以及每篇文章的信息。这里的文章可以是报纸或期刊的一篇文章，也可以是图书的一个章节，也可以是内容的任何一个知识点。文章数据载入数据库后，可以由服务器发布动态或静态页面，实现文章的检索和利用。XML连同页面图、插图一起，打包上传到服务器，或编译为其他格式，可以实现各种应用，参见“PDF转IMAGE”。

 

    PDF转XML具备的特性包括：

• 正文部分，支持“PDF转TEXT”和“PDF转WORD”的全部特性。
• 可以配置文章的各种元数据进行标引。
• 可以输出文章的坐标，实现文章热区。
• 可以输出每个文字和每个插图的坐标等信息，实现图书搜索。