PDF til Markdown-konverter
Lav en PDF om til en .md-fil, hvor overskrifter, lister og tabeller er skrevet i Markdown-syntaks, klar til en noteboks, et dokumentationsrepo eller en retrieval-pipeline.
PDF-konverter
eller slip PDF-filer her ·
Maks. 95 MB pr. fil· Op til 20 filer· Slettes efter 30 minutter
Filer behandles på vores servere og slettes efter 30 minutter.
Scannede PDF-filer er billeder af sider. Auto kører kun OCR på sider uden tekstlag; Til tvinger det på alle sider.
Sproget i scanningen. Det rigtige valg forbedrer mærkbart nøjagtigheden for accenter og ikke-latinske skriftsystemer.
Flydende tekst ombrydes til almindelige afsnit, der er nemme at redigere. Nøjagtigt layout placerer hver blok, hvor den var, hvilket ser ens ud, men er sværere at redigere.
Hvor fundne tabeller placeres i projektmappen.
Sidetal eller områder adskilt af kommaer, f.eks. 1-3, 5, 8-10.
Sådan bruger du værktøjet
- 1
Tilføj PDF-filen
Slip op til 20 PDF-filer på op til 95 MB hver. Scannede sider læses med OCR, mens Tekstgenkendelse (OCR) står på Auto.
- 2
Vælg billeder og sider
Bevar billeder er slået til, så figurer følger med. Slå det fra for en fil kun med tekst, og brug Sider, der skal konverteres til at springe en forside eller et bilag over.
- 3
Konvertér og tjek strukturen
Tryk på Konvertér til Markdown, og download .md-filen, eller en ZIP-fil, hvis der er flere. Kig først på overskriftsniveauerne.
En PDF gemmer glyffer på positioner; Markdown gemmer struktur som tegn: # til en overskrift, en bindestreg til et listepunkt, lodrette streger til en tabel. Konverteringen aflæser strukturen igen ud fra skriftstørrelser, indrykninger og kolonner.
Sådan genskaber PDF til MD-konvertering overskrifter, lister og tabeller
De fleste PDF-filer ved ikke, at en linje er en overskrift. Medmindre filen er eksporteret som tagget PDF, en funktion tilføjet i PDF 1.4 i 2001 og krævet af tilgængelighedsstandarden PDF/UA (ISO 14289), er en titel blot tekst i en større eller federe skrift. Konverteren rangerer de skrifttyper, den finder, og knytter de største tilbagevendende til #, ## og ###, så en rapport med et tydeligt typehierarki får en ren disposition.
Lister genkendes ud fra punkttegn og indrykninger: punkttegn bliver til -, nummererede linjer til 1., og dybere indrykninger giver indlejrede punkter. Tekst justeret i kolonner bliver til en pipe-tabel, en syntaks GitHub formaliserede i sin GFM-specifikation i 2017; den Markdown, John Gruber udgav i 2004, havde slet ingen tabeller. Links beholder deres mål som [tekst](url).
Linjeskift, der kun fandtes, fordi linjen ramte marginen, sættes sammen til afsnit igen. En løbende sidehoved eller et sidetal midt mellem to afsnit er det, man som regel skal slette bagefter.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Punkt- og nummererede lister | Punkt- og nummererede lister to MD: yes | – Punkt- og nummererede lister to TXT: no | Punkt- og nummererede lister to DOCX: yes | Punkt- og nummererede lister to HTML: yes |
| Simple tabeller | Simple tabeller to MD: yes | – Simple tabeller to TXT: no | Simple tabeller to DOCX: yes | Simple tabeller to HTML: yes |
| Sammenflettede tabelceller | – Sammenflettede tabelceller to MD: no | – Sammenflettede tabelceller to TXT: no | Sammenflettede tabelceller to DOCX: yes | Sammenflettede tabelceller to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Fast sidelayout | – Fast sidelayout to MD: no | – Fast sidelayout to TXT: no | Fast sidelayout to DOCX: yes | – Fast sidelayout to HTML: no |
Hvad en PDF til Markdown-konverter ikke kan genskabe
Portable Document Format
PDF blev skabt af Adobe i 1993 og blev den åbne ISO 32000-standard i 2008. Det fastlåser tekst, skrifttyper, billeder og layout, så et dokument ser ens ud på alle skærme og printere. PDF-filer kan indeholde formularer, signaturer, links, vedhæftede filer og søgbar tekst, og varianten PDF/A bruges til langtidsarkivering. Det faste layout gør PDF-filer svære at redigere, og scannede PDF-filer indeholder kun billeder, medmindre der bruges OCR. Alle browsere og operativsystemer kan åbne dem.
- Komprimering
- –
- Gennemsigtighed
- Ja
- Animation
- Nej
- Introduceret
- 1993 · Adobe
MD
Markdown
Markdown er en let opmærkningssyntaks skabt af John Gruber i 2004. Den bruger almindelige tekstsymboler, f.eks. # til overskrifter, * til fremhævelse og - til lister, som forbliver læselige som ren tekst og kan konverteres rent til HTML. Den er standarden for README-filer, dokumentation, wikier, notatapps og mange statiske webstedsgeneratorer. Der findes flere dialekter, f.eks. CommonMark og GitHub Flavored Markdown, som afviger i detaljer som tabeller. Enhver teksteditor kan åbne .md-filer.
- Komprimering
- –
- Gennemsigtighed
- –
- Animation
- –
- Introduceret
- 2004 · John Gruber
Man konverterer en PDF til Markdown, når teksten skal bruges i rene tekstværktøjer, f.eks. en notesamling, et dokumentations-repo eller et AI-søgeindeks, hvor en overskrift skal være et # og ikke en større skrift.
Nogle ting blev aldrig gemt i en form, der kan læses tilbage. En sidebjælke mellem kolonner kan ende midt i et afsnit. Ligninger sat som placerede symboler bliver til en række tegn, ikke LaTeX. Tekst tegnet som vektorkonturer, almindeligt i logoer og eksporterede slides, indeholder slet ingen tegn.
Tabeller med sammenflettede overskriftsceller eller celler med flere afsnit flades ud til et simpelt gitter, så forvent at skrive en kompliceret overskriftsrække om i hånden. Hvis du kun skal bruge ordene, giver PDF til TXT ren tekst; hvis din kilde er et Word-udkast, bevarer DOCX til Markdown mere struktur, fordi en DOCX stadig ved, hvilke afsnit der er overskrifter.
Markdown til LLM- og RAG-pipelines, Obsidian og Notion
RAG- og LLM-pipelines
Overskrifter giver en tekstopdeler naturlige grænser mellem bidder, så hver bid beholder sin sektionstitel, og Markdown bruger langt færre tokens på markup end HTML.
Obsidian-vaults
Obsidian gemmer hver note som en almindelig .md-fil i en mappe på din disk, så den konverterede fil kan lægges direkte i en vault.
Notion-arbejdsområder
Notions Markdown-import omdanner overskrifter, lister og pipe-tabeller til native blokke, renere end at indsætte fra en PDF-fremviser.
Til en søgepipeline bør du konvertere med Bevar billeder slået fra, medmindre en vision-model skal læse figurerne, og vælge det rigtige Dokumentets sprog til scanninger, så OCR ikke opfinder tegn, der ender i dit indeks. Tjek derefter de to første overskriftsniveauer: en billedtekst, der er blevet til ##, deler bidderne på mærkelige steder, og ét søg-og-erstat retter det før indeksering. Ren tekst giver også pæne diffs i Git, så en ny udgave af en manual kan sammenlignes sætning for sætning.
Spørgsmål om PDF til Markdown
Hvilken Markdown-variant skriver PDF til MD-konverteren?
Overskrifter, lister, fremhævning og links følger CommonMark, og tabeller skrives som GitHub-flavored pipe-tabeller, fordi almindelig CommonMark ikke har nogen tabelsyntaks. Det vises korrekt på GitHub, GitLab, Obsidian og VS Code.
Kan jeg konvertere en scannet PDF til Markdown?
Ja. Når Tekstgenkendelse (OCR) står på Auto, bliver sider uden tekstlag læst først, og strukturen genopbygges bagefter, så en flad scanning i 300 DPI giver en renere disposition end et skævt mobilfoto. Hvis du hellere vil have en søgbar PDF end en .md-fil, kan du bruge OCR PDF.
Hvorfor blev en fed billedtekst til en overskrift?
Overskrifter registreres ud fra størrelse, vægt og afstand, og en kort fed linje, der står alene, f.eks. en billedtekst, kan ligne en underoverskrift til forveksling. Slet dens #-tegn; resten af dispositionen påvirkes ikke.
Hvordan får jeg Markdown-filen ind i Notion?
Vælg Import i Notions sidepanel, vælg Text & Markdown, og markér filen. Hver #-overskrift bliver en overskriftsblok, og hver pipe-tabel bliver en simpel tabel.
Hvorfor er .md-filen så meget mindre end PDF-filen?
PDF-filen indeholder indlejrede skrifttyper, billeder og tegneinstruktioner for hver side; Markdown beholder tegn og en håndfuld symboler. En teksttung rapport på flere megabyte bliver typisk til nogle hundrede kilobyte Markdown, som også lettere passer ind i en models kontekstvindue.
Kan jeg lave Markdown-filen om til PDF igen efter redigering?
Ja. Enhver editor, der kan eksportere, kan lave en PDF igen, og UltKit har en konverter fra Markdown til PDF til rundturen. Den nye PDF bruger rendererens skrifttyper og afstande, ikke det oprindelige design.
- PDF til tekst-konverterUdtræk teksten fra enhver PDF som en ren UTF-8-tekstfil. Scanninger læses med OCR, sideintervaller er valgfrie, og kun teksten bevares.
- PDF til TXT-konverterKonverter PDF til TXT gratis online. Digitale sider bevarer de præcise tegn, scannede sider får OCR, og resultatet er én UTF-8 .txt-fil pr. PDF.
- PDF til Word-konverterKonvertér PDF til Word, du kan redigere. Teksten bliver til normale afsnit, scannede sider får OCR på 34 sprog, op til 20 filer ad gangen.
- DOCX til Markdown-konverterKonvertér Word DOCX til ren Markdown til GitHub, statiske sitegeneratorer og docs-as-code. Billeder i ZIP ved siden af .md, 20 filer ad gangen.
- Markdown til PDFKonvertér .md- og .markdown-filer til PDF med rigtige overskrifter, lister, tabeller, links og kodeblokke. Bogmærker fra dine #-overskrifter.
- PDF til EPUB-konverterKonvertér en PDF til en EPUB med flydende tekst til Kindle, Kobo, Apple Books og mobilen. Skriftstørrelsen kan justeres, og billederne bevares.
