Μετατροπή PDF σε Markdown
Μετατρέψτε ένα PDF σε αρχείο .md με επικεφαλίδες, λίστες και πίνακες σε σύνταξη Markdown, έτοιμο για τις σημειώσεις σας, ένα αποθετήριο τεκμηρίωσης ή ένα σύστημα ανάκτησης δεδομένων.
Μετατροπέας PDF
ή σύρετε Αρχεία PDF εδώ ·
Έως 95 MB ανά αρχείο· Έως 20 αρχεία· Διαγραφή μετά από 30 λεπτά
Τα αρχεία επεξεργάζονται στους διακομιστές μας και διαγράφονται μετά από 30 λεπτά.
Τα σαρωμένα PDF είναι εικόνες σελίδων. Το «Αυτόματα» εκτελεί OCR μόνο σε σελίδες χωρίς επίπεδο κειμένου· το «Πάντα» το επιβάλλει σε κάθε σελίδα.
Η γλώσσα που είναι τυπωμένη στη σάρωση. Η σωστή επιλογή βελτιώνει αισθητά την ακρίβεια για τόνους και μη λατινικά αλφάβητα.
Το ρέον κείμενο αναδιατάσσεται σε κανονικές παραγράφους που επεξεργάζονται εύκολα. Η ακριβής διάταξη τοποθετεί κάθε μπλοκ εκεί που ήταν, με ίδια εμφάνιση αλλά πιο δύσκολη επεξεργασία.
Πού πηγαίνουν οι πίνακες που εντοπίζονται στο βιβλίο εργασίας.
Αριθμοί σελίδων ή εύρη χωρισμένα με κόμματα, π.χ. 1-3, 5, 8-10.
Πώς να χρησιμοποιήσετε αυτό το εργαλείο
- 1
Προσθέστε το PDF
Ρίξτε έως 20 PDF, έως 95 MB το καθένα. Οι σαρωμένες σελίδες διαβάζονται με OCR όσο η επιλογή Αναγνώριση κειμένου (OCR) μένει στο Αυτόματο.
- 2
Επιλέξτε εικόνες και σελίδες
Η επιλογή Διατήρηση εικόνων είναι ενεργή, οπότε οι εικόνες περιλαμβάνονται. Απενεργοποιήστε την για αρχείο μόνο με κείμενο και χρησιμοποιήστε το Σελίδες για μετατροπή για να παραλείψετε εξώφυλλο ή παράρτημα.
- 3
Μετατρέψτε και ελέγξτε τη δομή
Πατήστε Μετατροπή σε Markdown και κατεβάστε το αρχείο .md ή ένα ZIP αν είναι περισσότερα. Ρίξτε πρώτα μια ματιά στα επίπεδα των επικεφαλίδων.
Ένα PDF αποθηκεύει γλύφους σε θέσεις· το Markdown αποθηκεύει τη δομή ως χαρακτήρες: # για επικεφαλίδα, παύλα για στοιχείο λίστας, κάθετες γραμμές για πίνακα. Η μετατροπή διαβάζει αυτή τη δομή ξανά από τα μεγέθη γραμματοσειράς, τις εσοχές και τις στήλες.
Πώς η μετατροπή PDF σε MD αναδημιουργεί επικεφαλίδες, λίστες και πίνακες
Τα περισσότερα PDF δεν γνωρίζουν ότι μια γραμμή είναι επικεφαλίδα. Αν το αρχείο δεν έχει εξαχθεί ως PDF με ετικέτες (tagged PDF), δυνατότητα που προστέθηκε στο PDF 1.4 το 2001 και απαιτείται από το πρότυπο προσβασιμότητας PDF/UA (ISO 14289), ο τίτλος είναι απλώς κείμενο με μεγαλύτερη ή πιο έντονη γραμματοσειρά. Ο μετατροπέας ταξινομεί τα στυλ γραμματοσειράς που βρίσκει και αντιστοιχίζει τα μεγαλύτερα επαναλαμβανόμενα σε #, ## και ###, οπότε μια αναφορά με σαφή ιεραρχία γραμματοσειρών βγαίνει με καθαρή διάρθρωση.
Οι λίστες αναγνωρίζονται από τους δείκτες και τις εσοχές: οι κουκκίδες γίνονται -, οι αριθμημένες γραμμές 1. και οι βαθύτερες εσοχές εμφωλευμένα στοιχεία. Το κείμενο σε στήλες γίνεται πίνακας με κάθετες γραμμές, σύνταξη που το GitHub τυποποίησε στην προδιαγραφή GFM το 2017· το Markdown που δημοσίευσε ο John Gruber το 2004 δεν είχε καθόλου πίνακες. Οι σύνδεσμοι διατηρούν τους προορισμούς τους ως [κείμενο](url).
Οι αλλαγές γραμμής που υπήρχαν μόνο επειδή η γραμμή έφτανε στο περιθώριο ενώνονται ξανά σε παραγράφους. Μια κεφαλίδα ή ένας αριθμός σελίδας ανάμεσα σε δύο παραγράφους είναι αυτό που συνήθως διαγράφετε μετά.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Λίστες με κουκκίδες και αριθμημένες | Λίστες με κουκκίδες και αριθμημένες to MD: yes | – Λίστες με κουκκίδες και αριθμημένες to TXT: no | Λίστες με κουκκίδες και αριθμημένες to DOCX: yes | Λίστες με κουκκίδες και αριθμημένες to HTML: yes |
| Απλοί πίνακες | Απλοί πίνακες to MD: yes | – Απλοί πίνακες to TXT: no | Απλοί πίνακες to DOCX: yes | Απλοί πίνακες to HTML: yes |
| Συγχωνευμένα κελιά πίνακα | – Συγχωνευμένα κελιά πίνακα to MD: no | – Συγχωνευμένα κελιά πίνακα to TXT: no | Συγχωνευμένα κελιά πίνακα to DOCX: yes | Συγχωνευμένα κελιά πίνακα to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Σταθερή διάταξη σελίδας | – Σταθερή διάταξη σελίδας to MD: no | – Σταθερή διάταξη σελίδας to TXT: no | Σταθερή διάταξη σελίδας to DOCX: yes | – Σταθερή διάταξη σελίδας to HTML: no |
Τι δεν μπορεί να ανακτήσει η μετατροπή PDF σε Markdown
Portable Document Format
Το PDF δημιουργήθηκε από την Adobe το 1993 και έγινε το ανοιχτό πρότυπο ISO 32000 το 2008. Καθηλώνει κείμενο, γραμματοσειρές, εικόνες και διάταξη, ώστε ένα έγγραφο να φαίνεται ίδιο σε κάθε οθόνη και εκτυπωτή. Τα PDF μπορούν να περιέχουν φόρμες, υπογραφές, συνδέσμους, συνημμένα και κείμενο με δυνατότητα αναζήτησης, ενώ η παραλλαγή PDF/A χρησιμοποιείται για μακροχρόνια αρχειοθέτηση. Η σταθερή διάταξη δυσκολεύει την επεξεργασία, και τα σαρωμένα PDF περιέχουν μόνο εικόνες αν δεν εφαρμοστεί OCR. Ανοίγουν σε κάθε πρόγραμμα περιήγησης και λειτουργικό σύστημα.
- Συμπίεση
- –
- Διαφάνεια
- Ναι
- Κινούμενη εικόνα
- Όχι
- Έτος εισαγωγής
- 1993 · Adobe
MD
Markdown
Το Markdown είναι μια ελαφριά σύνταξη σήμανσης που δημιούργησε ο John Gruber το 2004. Χρησιμοποιεί σύμβολα απλού κειμένου, όπως # για επικεφαλίδες, * για έμφαση και - για λίστες, που παραμένουν ευανάγνωστα ως ακατέργαστο κείμενο και μετατρέπονται καθαρά σε HTML. Είναι το πρότυπο για αρχεία README, τεκμηρίωση, wiki, εφαρμογές σημειώσεων και πολλές γεννήτριες στατικών ιστότοπων. Υπάρχουν διάφορες διάλεκτοι, όπως το CommonMark και το GitHub Flavored Markdown, που διαφέρουν σε λεπτομέρειες όπως οι πίνακες. Κάθε πρόγραμμα επεξεργασίας κειμένου ανοίγει αρχεία .md.
- Συμπίεση
- –
- Διαφάνεια
- –
- Κινούμενη εικόνα
- –
- Έτος εισαγωγής
- 2004 · John Gruber
Μετατρέπουν ένα PDF σε Markdown όταν το κείμενο πρέπει να ζει σε εργαλεία απλού κειμένου, όπως ένα αρχείο σημειώσεων, ένα αποθετήριο τεκμηρίωσης ή ένα ευρετήριο ανάκτησης για AI, όπου μια επικεφαλίδα πρέπει να είναι # και όχι μεγαλύτερη γραμματοσειρά.
Ορισμένα στοιχεία δεν αποθηκεύτηκαν ποτέ σε μορφή που να διαβάζεται ξανά. Ένα πλαϊνό πλαίσιο ανάμεσα σε στήλες μπορεί να καταλήξει στη μέση μιας παραγράφου. Οι εξισώσεις που στοιχειοθετήθηκαν ως σύμβολα σε θέσεις βγαίνουν ως σειρά χαρακτήρων, όχι ως LaTeX. Το κείμενο που σχεδιάστηκε ως διανυσματικά περιγράμματα, συνηθισμένο σε λογότυπα και εξαγόμενες διαφάνειες, δεν περιέχει καθόλου χαρακτήρες.
Οι πίνακες με συγχωνευμένα κελιά κεφαλίδας ή κελιά με πολλές παραγράφους ισοπεδώνονται σε απλό πλέγμα, οπότε περιμένετε να ξαναγράψετε χειροκίνητα μια σύνθετη γραμμή κεφαλίδας. Αν χρειάζεστε μόνο τις λέξεις, το PDF σε TXT δίνει απλό κείμενο· αν η πηγή είναι πρόχειρο Word, το DOCX σε Markdown διατηρεί περισσότερη δομή, επειδή ένα DOCX γνωρίζει ποιες παράγραφοι είναι επικεφαλίδες.
Markdown για LLM και RAG, Obsidian και Notion
Ροές RAG και LLM
Οι επικεφαλίδες δίνουν στον διαχωριστή κειμένου φυσικά όρια τμημάτων, ώστε κάθε τμήμα να κρατά τον τίτλο της ενότητάς του, και το Markdown ξοδεύει πολύ λιγότερα tokens σε σήμανση από το HTML.
Θησαυροφυλάκια Obsidian
Το Obsidian κρατά κάθε σημείωση ως απλό αρχείο .md σε φάκελο στον δίσκο σας, οπότε το μετατραπέν αρχείο μπαίνει κατευθείαν σε ένα vault.
Χώροι εργασίας Notion
Η εισαγωγή Markdown του Notion μετατρέπει επικεφαλίδες, λίστες και πίνακες με κάθετες γραμμές σε εγγενή μπλοκ, πιο καθαρά από την επικόλληση από πρόγραμμα προβολής PDF.
Για μια ροή ανάκτησης, μετατρέψτε με απενεργοποιημένη την επιλογή Διατήρηση εικόνων, εκτός αν ένα μοντέλο όρασης θα διαβάσει τις εικόνες, και διαλέξτε τη σωστή Γλώσσα εγγράφου για σαρώσεις, ώστε το OCR να μην επινοεί χαρακτήρες που καταλήγουν στο ευρετήριό σας. Έπειτα ελέγξτε τα δύο πρώτα επίπεδα επικεφαλίδων: μια λεζάντα που προάγεται σε ## χωρίζει τα τμήματα σε περίεργα σημεία, και μία αντικατάσταση την διορθώνει πριν από την ευρετηρίαση. Το απλό κείμενο συγκρίνεται καθαρά και στο Git, οπότε μια νέα έκδοση ενός εγχειριδίου μπορεί να συγκριθεί πρόταση προς πρόταση.
Ερωτήσεις για τη μετατροπή PDF σε Markdown
Ποια παραλλαγή Markdown παράγει η μετατροπή PDF σε MD;
Οι επικεφαλίδες, οι λίστες, η έμφαση και οι σύνδεσμοι ακολουθούν το CommonMark, ενώ οι πίνακες γράφονται ως πίνακες με κάθετες γραμμές τύπου GitHub, επειδή το απλό CommonMark δεν έχει σύνταξη για πίνακες. Έτσι εμφανίζονται σωστά στα GitHub, GitLab, Obsidian και VS Code.
Μπορώ να μετατρέψω ένα σαρωμένο PDF σε Markdown;
Ναι. Με την Αναγνώριση κειμένου (OCR) στο Αυτόματο, οι σελίδες χωρίς στρώμα κειμένου διαβάζονται πρώτα και η δομή ξαναχτίζεται μετά, οπότε μια επίπεδη σάρωση 300 DPI δίνει καθαρότερη διάρθρωση από μια λοξή φωτογραφία κινητού. Για PDF με δυνατότητα αναζήτησης αντί για αρχείο .md, χρησιμοποιήστε το OCR PDF.
Γιατί μια λεζάντα με έντονα γράμματα έγινε επικεφαλίδα;
Οι επικεφαλίδες εντοπίζονται από το μέγεθος, το πάχος και την απόσταση, και μια σύντομη έντονη γραμμή που στέκεται μόνη της, όπως η λεζάντα μιας εικόνας, μπορεί να μοιάζει ακριβώς με δευτερεύουσα επικεφαλίδα. Διαγράψτε τα σημάδια # της· η υπόλοιπη διάρθρωση δεν επηρεάζεται.
Πώς εισάγω το αρχείο Markdown στο Notion;
Επιλέξτε Import στην πλαϊνή στήλη του Notion, διαλέξτε Text & Markdown και επιλέξτε το αρχείο. Κάθε επικεφαλίδα # γίνεται μπλοκ επικεφαλίδας και κάθε πίνακας με κάθετες γραμμές γίνεται απλός πίνακας.
Γιατί το αρχείο .md είναι πολύ μικρότερο από το PDF;
Το PDF περιέχει ενσωματωμένες γραμματοσειρές, εικόνες και οδηγίες σχεδίασης για κάθε σελίδα· το Markdown κρατά χαρακτήρες και λίγα σύμβολα. Μια αναφορά με πολύ κείμενο και μέγεθος αρκετών megabyte γίνεται συνήθως μερικές εκατοντάδες kilobyte Markdown, που χωράει επίσης πιο εύκολα στο παράθυρο συμφραζομένων ενός μοντέλου.
Μπορώ να μετατρέψω ξανά το Markdown σε PDF μετά την επεξεργασία;
Ναι. Κάθε πρόγραμμα επεξεργασίας που κάνει εξαγωγή μπορεί να δημιουργήσει ξανά PDF, και το UltKit διαθέτει μετατροπέα Markdown σε PDF για τη διαδρομή της επιστροφής. Το νέο PDF χρησιμοποιεί τις γραμματοσειρές και τις αποστάσεις του προγράμματος απόδοσης, όχι τον αρχικό σχεδιασμό.
- Μετατροπή PDF σε κείμενοΕξαγάγετε τις λέξεις κάθε PDF σε καθαρό αρχείο κειμένου UTF-8. Οι σαρώσεις διαβάζονται με OCR, εύρος σελίδων προαιρετικό, κρατιέται μόνο το κείμενο.
- Μετατροπή PDF σε TXTΜετατροπή PDF σε TXT online δωρεάν. Οι ψηφιακές σελίδες κρατούν τους ακριβείς χαρακτήρες, οι σαρωμένες περνούν από OCR. Ένα .txt UTF-8 ανά PDF.
- Μετατροπή PDF σε WordΜετατρέψτε PDF σε επεξεργάσιμο Word. Το κείμενο γίνεται κανονικές παράγραφοι, οι σαρώσεις περνούν OCR σε 34 γλώσσες, έως 20 αρχεία μαζί.
- Μετατροπή DOCX σε MarkdownΜετατρέψτε αρχεία Word DOCX σε καθαρό Markdown για GitHub, static site generators και docs-as-code. Εικόνες δίπλα στο .md σε ZIP, 20 αρχεία ανά παρτίδα.
- Markdown σε PDFΜετατρέψτε .md και .markdown σε PDF με πραγματικές επικεφαλίδες, λίστες, πίνακες, συνδέσμους και κώδικα. Σελιδοδείκτες από τις # επικεφαλίδες σας.
- Μετατροπή PDF σε EPUBΜετατρέψτε PDF σε EPUB με ρέον κείμενο για Kindle, Kobo, Apple Books και κινητά. Ρυθμιζόμενο μέγεθος γραμματοσειράς, οι εικόνες διατηρούνται.
