Převodník PDF do Markdownu
Převeďte PDF na soubor .md, ve kterém jsou nadpisy, seznamy a tabulky zapsané syntaxí Markdownu. Hodí se do poznámkového trezoru, repozitáře dokumentace nebo retrieval pipeline.
Převodník PDF
nebo sem přetáhněte soubory PDF ·
Max. 95 MB na soubor· Až 20 souborů· Smazáno po 30 minutách
Soubory se zpracovávají na našich serverech a po 30 minutách se smažou.
Skenovaná PDF jsou obrázky stránek. Automaticky spustí OCR jen na stránkách bez textové vrstvy; Vždy ho vynutí na každé stránce.
Jazyk textu ve skenu. Správná volba výrazně zlepší přesnost u diakritiky a nelatinských písem.
Plynulý text se zalomí do běžných odstavců, které se snadno upravují. Přesné rozvržení umístí každý blok tam, kde byl, což vypadá stejně, ale hůře se upravuje.
Kam v sešitu přijdou rozpoznané tabulky.
Čísla stránek nebo rozsahy oddělené čárkami, např. 1-3, 5, 8-10.
Jak nástroj používat
- 1
Přidejte PDF
Nahrajte až 20 PDF o velikosti do 95 MB každé. Skenované stránky se přečtou pomocí OCR, pokud je Rozpoznávání textu (OCR) nastaveno na Auto.
- 2
Zvolte obrázky a stránky
Volba Zachovat obrázky je zapnutá, takže se přenesou i obrázky. Pro soubor jen s textem ji vypněte a pomocí Stránky k převodu vynechte titulní stranu nebo přílohu.
- 3
Převeďte soubor a zkontrolujte osnovu
Klikněte na Převést na Markdown a stáhněte soubor .md, u více souborů ZIP. Nejdřív zkontrolujte úrovně nadpisů.
PDF ukládá znaky na pozice; Markdown ukládá strukturu jako znaky: # pro nadpis, pomlčka pro položku seznamu, svislítka pro tabulku. Převod tuto strukturu zpětně čte z velikostí písma, odsazení a sloupců.
Jak převod PDF do MD obnovuje nadpisy, seznamy a tabulky
Většina PDF neví, že je řádek nadpis. Pokud soubor nebyl exportován jako tagované PDF, funkce přidaná v PDF 1.4 v roce 2001 a vyžadovaná standardem přístupnosti PDF/UA (ISO 14289), je název jen text větším nebo tučnějším písmem. Převodník seřadí nalezené styly písma a největší opakující se přiřadí k #, ## a ###, takže zpráva s jasnou typografickou hierarchií vyjde s čistou osnovou.
Seznamy se rozpoznávají podle odrážek a odsazení: odrážky se změní na -, číslované řádky na 1., hlubší odsazení na vnořené položky. Text zarovnaný do sloupců se změní na tabulku se svislítky, syntaxi, kterou GitHub formalizoval ve specifikaci GFM v roce 2017; Markdown, který John Gruber zveřejnil v roce 2004, tabulky vůbec neměl. Odkazy si zachovají cíle jako [text](url).
Zalomení řádků, která vznikla jen proto, že řádek narazil na okraj, se spojí zpět do odstavců. Průběžná hlavička nebo číslo stránky mezi dvěma odstavci je obvyklá věc, kterou je potřeba pak smazat.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Odrážkové a číslované seznamy | Odrážkové a číslované seznamy to MD: yes | – Odrážkové a číslované seznamy to TXT: no | Odrážkové a číslované seznamy to DOCX: yes | Odrážkové a číslované seznamy to HTML: yes |
| Jednoduché tabulky | Jednoduché tabulky to MD: yes | – Jednoduché tabulky to TXT: no | Jednoduché tabulky to DOCX: yes | Jednoduché tabulky to HTML: yes |
| Sloučené buňky tabulky | – Sloučené buňky tabulky to MD: no | – Sloučené buňky tabulky to TXT: no | Sloučené buňky tabulky to DOCX: yes | Sloučené buňky tabulky to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Pevné rozvržení stránky | – Pevné rozvržení stránky to MD: no | – Pevné rozvržení stránky to TXT: no | Pevné rozvržení stránky to DOCX: yes | – Pevné rozvržení stránky to HTML: no |
Co převodník PDF do Markdownu obnovit nedokáže
Portable Document Format
PDF vytvořil Adobe v roce 1993 a v roce 2008 se stal otevřenou normou ISO 32000. Zafixuje text, písma, obrázky a rozvržení, takže dokument vypadá stejně na každé obrazovce i tiskárně. PDF může obsahovat formuláře, podpisy, odkazy, přílohy a prohledávatelný text a varianta PDF/A se používá pro dlouhodobou archivaci. Pevné rozvržení ztěžuje úpravy a skenovaná PDF obsahují jen obrázky, pokud se nepoužije OCR. Otevře je každý prohlížeč i operační systém.
- Komprese
- –
- Průhlednost
- Ano
- Animace
- Ne
- Představeno
- 1993 · Adobe
MD
Markdown
Markdown je odlehčená značkovací syntaxe, kterou v roce 2004 vytvořil John Gruber. Používá symboly v prostém textu, například # pro nadpisy, * pro zvýraznění a - pro seznamy, které zůstávají čitelné i jako surový text a čistě se převádějí na HTML. Je standardem pro soubory README, dokumentaci, wiki, aplikace pro poznámky i mnoho generátorů statických webů. Existuje několik dialektů, například CommonMark a GitHub Flavored Markdown, které se liší v detailech, třeba v tabulkách. Soubory .md otevře jakýkoli textový editor.
- Komprese
- –
- Průhlednost
- –
- Animace
- –
- Představeno
- 2004 · John Gruber
PDF se převádí do Markdownu, když má text žít v nástrojích pro čistý text, třeba v poznámkovém trezoru, repozitáři dokumentace nebo indexu pro AI, kde musí být nadpis znak # a ne větší písmo.
Některé věci nebyly nikdy uloženy ve formě, kterou lze přečíst zpět. Postranní panel mezi sloupci může skončit uprostřed odstavce. Rovnice sázené jako umístěné symboly vyjdou jako řádek znaků, ne jako LaTeX. Text nakreslený jako vektorové obrysy, běžný u log a exportovaných snímků, neobsahuje žádné znaky.
Tabulky se sloučenými buňkami záhlaví nebo s buňkami o více odstavcích se zploští na jednoduchou mřížku, takže složitý řádek záhlaví čekejte přepsat ručně. Pokud potřebujete jen slova, PDF do TXT dá čistý text; pokud je zdrojem koncept ve Wordu, DOCX do Markdownu zachová víc struktury, protože DOCX stále ví, které odstavce jsou nadpisy.
Markdown pro LLM a RAG pipeline, Obsidian a Notion
RAG a LLM pipeline
Nadpisy dávají nástroji pro dělení textu přirozené hranice úseků, takže každý úsek si nese název sekce, a Markdown spotřebuje na značky mnohem méně tokenů než HTML.
Trezory Obsidianu
Obsidian ukládá každou poznámku jako obyčejný soubor .md ve složce na disku, takže převedený soubor stačí vložit rovnou do trezoru.
Pracovní prostory Notionu
Import Markdownu v Notionu změní nadpisy, seznamy a tabulky se svislítky na nativní bloky, čistěji než vkládání z prohlížeče PDF.
Pro retrieval pipeline převádějte s vypnutou volbou Zachovat obrázky, pokud obrázky nebude číst vizuální model, a u skenů zvolte správný Jazyk dokumentu, aby OCR nevymýšlelo znaky, které skončí ve vašem indexu. Pak zkontrolujte první dvě úrovně nadpisů: popisek povýšený na ## dělí úseky na divných místech a jedno hromadné nahrazení to před indexací opraví. Čistý text se také přehledně porovnává v Gitu, takže nové vydání příručky lze porovnat větu po větě.
Otázky k převodu PDF do Markdownu
Jakou variantu Markdownu převodník PDF do MD vytváří?
Nadpisy, seznamy, zvýraznění a odkazy se řídí standardem CommonMark. Tabulky se zapisují jako tabulky s svislítky ve stylu GitHubu, protože samotný CommonMark tabulky nemá. Zobrazí se správně na GitHubu, GitLabu, v Obsidianu i ve VS Code.
Lze převést naskenované PDF do Markdownu?
Ano. Když je Rozpoznávání textu (OCR) nastaveno na Auto, stránky bez textové vrstvy se nejprve přečtou a struktura se poté znovu sestaví. Rovný sken s 300 DPI tak dá čistší osnovu než nakřivo pořízená fotka z telefonu. Pokud místo souboru .md potřebujete PDF s vyhledávatelným textem, použijte OCR PDF.
Proč se z tučného popisku stal nadpis?
Nadpisy se poznávají podle velikosti, tloušťky a mezer a krátký tučný řádek o samotě, třeba popisek obrázku, může vypadat přesně jako vedlejší nadpis. Smažte jeho znaky #; zbytek osnovy to neovlivní.
Jak soubor Markdown naimportuji do Notionu?
V postranním panelu Notionu zvolte Import, vyberte Text & Markdown a označte soubor. Každý nadpis # se stane blokem nadpisu a každá tabulka s svislítky jednoduchou tabulkou.
Proč je soubor .md o tolik menší než PDF?
PDF obsahuje vložená písma, obrázky a kreslicí instrukce pro každou stránku; Markdown uchovává znaky a několik symbolů. Textově bohatá zpráva o několika megabajtech se obvykle změní na několik set kilobajtů Markdownu, který se také snáz vejde do kontextového okna modelu.
Lze Markdown po úpravách převést zpět do PDF?
Ano. Každý editor s exportem umí znovu vytvořit PDF a UltKit má pro tento okruh převodník Markdownu do PDF. Nové PDF používá písma a řádkování rendereru, ne původní vzhled.
- Převod PDF na textZískejte slova z libovolného PDF jako čistý textový soubor v UTF-8. Skeny se čtou pomocí OCR, rozsah stránek je volitelný a zůstane jen text.
- Převodník PDF do TXTPřeveďte PDF do TXT online zdarma. Digitální stránky zachovají přesné znaky, skeny projdou OCR a z každého PDF vznikne jeden .txt v UTF-8.
- Převést PDF do WorduPřeveďte PDF do Wordu, který lze opravdu upravovat. Text se zalomí do odstavců, skeny projdou OCR ve 34 jazycích, až 20 souborů najednou.
- Převod DOCX do MarkdownuPřeveďte soubory Word DOCX do čistého Markdownu pro GitHub, generátory webů a docs-as-code. Obrázky vedle .md v ZIP, 20 souborů najednou.
- Markdown do PDFPřeveďte soubory .md a .markdown do PDF se skutečnými nadpisy, seznamy, tabulkami, odkazy a bloky kódu místo hvězdiček. Záložky z nadpisů #.
- Převodník PDF do EPUBPřeveďte PDF do EPUB s plynulým textem pro Kindle, Kobo, Apple Books i mobil. Velikost písma lze měnit, obrázky zůstanou.
