PDF को Markdown में बदलें
PDF को .md फ़ाइल में बदलें, जिसमें हेडिंग, लिस्ट और टेबल Markdown सिंटैक्स में लिखे हों और जो नोट्स वॉल्ट, डॉक्स रिपॉज़िटरी या रिट्रीवल पाइपलाइन के लिए तैयार हो।
PDF कन्वर्टर
या PDF फ़ाइलें यहाँ ड्रop करें ·
प्रति फ़ाइल अधिकतम 95 MB· अधिकतम 20 फ़ाइलें· 30 मिनट बाद हटा दी जाती हैं
फ़ाइलें हमारे सर्वर पर प्रोसेस होती हैं और 30 मिनट बाद हटा दी जाती हैं।
स्कैन की गई PDF पेजों की तस्वीरें होती हैं। ऑटो केवल बिना टेक्स्ट लेयर वाले पेजों पर OCR चलाता है; हमेशा इसे हर पेज पर चलाता है।
स्कैन में छपी भाषा। सही भाषा चुनने से मात्राओं और गैर-लैटिन लिपियों की सटीकता काफ़ी बेहतर होती है।
बहता टेक्स्ट सामान्य अनुच्छेदों में ढल जाता है, जिन्हें एडिट करना आसान है। सटीक लेआउट हर ब्लॉक को वहीं रखता है जहाँ वह था; यह बिल्कुल वैसा दिखता है, पर एडिट करना कठिन है।
पहचानी गई टेबल वर्कबुक में कहाँ जाएँ।
पेज नंबर या रेंज, कॉमा से अलग करके, जैसे 1-3, 5, 8-10।
इस टूल का उपयोग कैसे करें
- 1
PDF जोड़ें
एक बार में 20 तक PDF डालें, हर फ़ाइल 95 MB तक की। टेक्स्ट पहचान (OCR) Auto पर रहने पर स्कैन किए गए पेज OCR से पढ़े जाते हैं।
- 2
इमेज और पेज चुनें
इमेज बनाए रखें चालू है, इसलिए फ़िगर भी साथ आते हैं। सिर्फ़ टेक्स्ट वाली फ़ाइल चाहिए तो इसे बंद करें, और कवर या परिशिष्ट छोड़ने के लिए बदलने वाले पेज का उपयोग करें।
- 3
कन्वर्ट करें और आउटलाइन जाँचें
Markdown में बदलें दबाएँ और .md फ़ाइल डाउनलोड करें, कई फ़ाइलों के लिए ZIP मिलेगी। पहले हेडिंग के स्तर एक बार देख लें।
PDF में अक्षर तय जगहों पर रखे होते हैं; Markdown स्ट्रक्चर को अक्षरों में रखता है: हेडिंग के लिए #, लिस्ट आइटम के लिए डैश, टेबल के लिए पाइप। बदलते समय फ़ॉन्ट साइज़, इंडेंट और कॉलम से वह स्ट्रक्चर वापस पढ़ा जाता है।
PDF से MD कन्वर्ज़न में हेडिंग, लिस्ट और टेबल कैसे दोबारा बनते हैं
ज़्यादातर PDF को पता नहीं होता कि कोई लाइन हेडिंग है। जब तक फ़ाइल टैग्ड PDF के रूप में एक्सपोर्ट न हुई हो, जो 2001 में PDF 1.4 में जुड़ी सुविधा है और PDF/UA एक्सेसिबिलिटी स्टैंडर्ड (ISO 14289) में ज़रूरी है, शीर्षक बस बड़े या भारी फ़ॉन्ट वाला टेक्स्ट होता है। कन्वर्टर मिले हुए टाइप स्टाइल को क्रम में रखता है और सबसे बड़े बार-बार आने वाले स्टाइल को #, ## और ### से जोड़ता है, इसलिए साफ़ टाइप हायरार्की वाली रिपोर्ट की आउटलाइन साफ़ बनती है।
लिस्ट मार्कर और इंडेंट से पहचानी जाती हैं: बुलेट - बनते हैं, नंबर वाली लाइनें 1., और गहरे इंडेंट नेस्टेड आइटम। कॉलम में सजा टेक्स्ट पाइप टेबल बनता है, जिस सिंटैक्स को GitHub ने 2017 में अपनी GFM स्पेसिफ़िकेशन में औपचारिक किया; John Gruber की 2004 वाली Markdown में टेबल थी ही नहीं। लिंक अपने टारगेट के साथ [text](url) रूप में रहते हैं।
जो लाइन ब्रेक सिर्फ़ इसलिए थे कि लाइन मार्जिन तक पहुँच गई, उन्हें वापस पैराग्राफ़ में जोड़ दिया जाता है। दो पैराग्राफ़ के बीच आ गया रनिंग हेडर या पेज नंबर बाद में हटाना आम बात है।
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| बुलेट और नंबर वाली लिस्ट | बुलेट और नंबर वाली लिस्ट to MD: yes | – बुलेट और नंबर वाली लिस्ट to TXT: no | बुलेट और नंबर वाली लिस्ट to DOCX: yes | बुलेट और नंबर वाली लिस्ट to HTML: yes |
| सिंपल टेबल | सिंपल टेबल to MD: yes | – सिंपल टेबल to TXT: no | सिंपल टेबल to DOCX: yes | सिंपल टेबल to HTML: yes |
| मर्ज किए हुए टेबल सेल | – मर्ज किए हुए टेबल सेल to MD: no | – मर्ज किए हुए टेबल सेल to TXT: no | मर्ज किए हुए टेबल सेल to DOCX: yes | मर्ज किए हुए टेबल सेल to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| तय पेज लेआउट | – तय पेज लेआउट to MD: no | – तय पेज लेआउट to TXT: no | तय पेज लेआउट to DOCX: yes | – तय पेज लेआउट to HTML: no |
PDF से Markdown कन्वर्टर क्या वापस नहीं ला सकता
Portable Document Format
PDF को Adobe ने 1993 में बनाया और 2008 में यह ओपन ISO 32000 मानक बना। यह टेक्स्ट, फ़ॉन्ट, इमेज और लेआउट को स्थिर रखता है, ताकि दस्तावेज़ हर स्क्रीन और प्रिंटर पर एक जैसा दिखे। PDF में फ़ॉर्म, सिग्नेचर, लिंक, अटैचमेंट और सर्च होने लायक टेक्स्ट हो सकता है, और PDF/A वेरिएंट लंबे समय के आर्काइव के लिए इस्तेमाल होता है। स्थिर लेआउट के कारण PDF एडिट करना कठिन है, और स्कैन किए PDF में OCR लगाए बिना सिर्फ़ इमेज होती हैं। हर ब्राउज़र और ऑपरेटिंग सिस्टम इन्हें खोल सकता है।
- कंप्रेशन
- –
- ट्रांसपेरेंसी (पारदर्शिता)
- हाँ
- एनिमेशन
- नहीं
- शुरुआत का वर्ष
- 1993 · Adobe
MD
Markdown
Markdown एक हल्की मार्कअप सिंटैक्स है, जिसे John Gruber ने 2004 में बनाया। इसमें सादे टेक्स्ट के चिह्न इस्तेमाल होते हैं, जैसे हेडिंग के लिए #, ज़ोर देने के लिए * और सूची के लिए -, जो कच्चे टेक्स्ट में भी पढ़ने योग्य रहते हैं और HTML में साफ़ बदल जाते हैं। README फ़ाइलों, डॉक्यूमेंटेशन, विकी, नोट ऐप और कई स्टैटिक साइट जनरेटर में यही मानक है। CommonMark और GitHub Flavored Markdown जैसी कई बोलियाँ हैं, जो टेबल जैसी बातों में अलग होती हैं। .md फ़ाइलें किसी भी टेक्स्ट एडिटर में खुल जाती हैं।
- कंप्रेशन
- –
- ट्रांसपेरेंसी (पारदर्शिता)
- –
- एनिमेशन
- –
- शुरुआत का वर्ष
- 2004 · John Gruber
लोग PDF को Markdown में तब बदलते हैं जब टेक्स्ट को प्लेन-टेक्स्ट टूल में रखना हो, जैसे नोट्स वॉल्ट, डॉक्स रेपो या AI रिट्रीवल इंडेक्स, जहाँ हेडिंग बड़े फ़ॉन्ट की जगह # होनी चाहिए।
कुछ चीज़ें कभी ऐसे रूप में सेव ही नहीं हुईं जिन्हें वापस पढ़ा जा सके। कॉलम के बीच रखा साइडबार पैराग्राफ़ के बीच में आ सकता है। पोज़िशन किए गए चिह्नों से बने समीकरण LaTeX की जगह अक्षरों की एक लाइन बनते हैं। वेक्टर आउटलाइन के रूप में बना टेक्स्ट, जो लोगो और एक्सपोर्ट की गई स्लाइड में आम है, उसमें कोई अक्षर होता ही नहीं।
मर्ज हेडर सेल या कई पैराग्राफ़ वाले सेल की टेबल सादे ग्रिड में समतल हो जाती हैं, इसलिए जटिल हेडर पंक्ति हाथ से दोबारा लिखनी पड़ सकती है। सिर्फ़ शब्द चाहिए तो PDF to TXT सादा टेक्स्ट देता है; स्रोत Word ड्राफ़्ट हो तो DOCX to Markdown ज़्यादा स्ट्रक्चर रखता है, क्योंकि DOCX को पता होता है कि कौन से पैराग्राफ़ हेडिंग हैं।
LLM और RAG पाइपलाइन, Obsidian और Notion के लिए Markdown
RAG और LLM पाइपलाइन
हेडिंग से टेक्स्ट स्प्लिटर को चंक की प्राकृतिक सीमाएँ मिलती हैं, इसलिए हर चंक के साथ उसका सेक्शन शीर्षक रहता है, और Markdown मार्कअप पर HTML से बहुत कम टोकन खर्च करता है।
Obsidian वॉल्ट
Obsidian हर नोट को आपकी डिस्क के फ़ोल्डर में सादी .md फ़ाइल के रूप में रखता है, इसलिए बदली हुई फ़ाइल सीधे वॉल्ट में डाली जा सकती है।
Notion वर्कस्पेस
Notion का Markdown इम्पोर्ट हेडिंग, लिस्ट और पाइप टेबल को नेटिव ब्लॉक बना देता है, जो PDF व्यूअर से पेस्ट करने से ज़्यादा साफ़ है।
रिट्रीवल पाइपलाइन के लिए इमेज बनाए रखें बंद करके बदलें, जब तक कोई विज़न मॉडल फ़िगर न पढ़े, और स्कैन के लिए सही डॉक्यूमेंट की भाषा चुनें ताकि OCR ऐसे अक्षर न गढ़े जो आपके इंडेक्स में पहुँच जाएँ। फिर पहले दो हेडिंग स्तर जाँचें: ## बना दिया गया कैप्शन चंक को अजीब जगहों पर तोड़ता है, और इंडेक्सिंग से पहले एक find-and-replace उसे ठीक कर देता है। सादा टेक्स्ट Git में भी साफ़ diff देता है, इसलिए किसी मैनुअल के नए संस्करण की तुलना वाक्य-दर-वाक्य हो सकती है।
PDF से Markdown पर सवाल
PDF से MD कन्वर्टर Markdown का कौन-सा फ्लेवर लिखता है?
हेडिंग, लिस्ट, ज़ोर वाला टेक्स्ट और लिंक CommonMark के अनुसार बनते हैं, और टेबल GitHub-flavored पाइप टेबल के रूप में लिखी जाती हैं, क्योंकि सादे CommonMark में टेबल का सिंटैक्स नहीं है। यह GitHub, GitLab, Obsidian और VS Code में सही दिखता है।
क्या स्कैन की हुई PDF को Markdown में बदल सकते हैं?
हाँ। टेक्स्ट पहचान (OCR) Auto पर होने से जिन पेजों में टेक्स्ट लेयर नहीं है, उन्हें पहले पढ़ा जाता है और बाद में स्ट्रक्चर दोबारा बनाया जाता है, इसलिए सीधा 300 DPI स्कैन तिरछी फ़ोन फोटो से साफ़ आउटलाइन देता है। .md की जगह सर्च करने लायक PDF चाहिए तो OCR PDF इस्तेमाल करें।
बोल्ड कैप्शन हेडिंग क्यों बन गया?
हेडिंग का पता साइज़, वज़न और स्पेसिंग से लगाया जाता है, और अकेली खड़ी छोटी बोल्ड लाइन, जैसे फ़िगर कैप्शन, बिल्कुल छोटी हेडिंग जैसी दिख सकती है। उसके # चिह्न हटा दें; बाकी आउटलाइन पर असर नहीं पड़ता।
Markdown फ़ाइल को Notion में कैसे लाएँ?
Notion के साइडबार में Import चुनें, Text & Markdown चुनें और फ़ाइल select करें। हर # हेडिंग हेडिंग ब्लॉक बन जाती है और हर पाइप टेबल एक सिंपल टेबल।
.md फ़ाइल PDF से इतनी छोटी क्यों होती है?
PDF में हर पेज के लिए एम्बेडेड फ़ॉन्ट, इमेज और ड्रॉइंग निर्देश होते हैं; Markdown में सिर्फ़ अक्षर और कुछ चिह्न रहते हैं। कई MB की टेक्स्ट-भारी रिपोर्ट आमतौर पर कुछ सौ KB की Markdown बन जाती है, जो किसी मॉडल की कॉन्टेक्स्ट विंडो में भी आसानी से आती है।
क्या एडिट करने के बाद Markdown को वापस PDF में बदल सकते हैं?
हाँ। एक्सपोर्ट करने वाला कोई भी एडिटर फिर से PDF बना सकता है, और UltKit में इस वापसी के लिए Markdown to PDF कन्वर्टर है। नई PDF में रेंडरर के फ़ॉन्ट और स्पेसिंग होंगे, मूल डिज़ाइन नहीं।
- PDF को टेक्स्ट में बदलेंकिसी भी PDF से शब्द साफ़ UTF-8 टेक्स्ट फ़ाइल में निकालें। स्कैन OCR से पढ़े जाते हैं, पेज रेंज वैकल्पिक है और सिर्फ़ टेक्स्ट रखा जाता है।
- PDF से TXT कन्वर्टरPDF को TXT में फ्री ऑनलाइन बदलें। डिजिटल पेज के अक्षर हूबहू रहते हैं, स्कैन पेज OCR से पढ़े जाते हैं, हर PDF की एक UTF-8 .txt फ़ाइल।
- PDF को Word में बदलेंPDF को एडिट होने वाली Word फ़ाइल में बदलें। टेक्स्ट सामान्य पैराग्राफ़ में आता है, स्कैन पेज 34 भाषाओं में OCR से पढ़े जाते हैं, एक बार में 20 फ़ाइलें तक।
- DOCX को Markdown में बदलेंWord DOCX को GitHub, स्टैटिक साइट जनरेटर और docs-as-code के लिए साफ़ Markdown में बदलें। इमेज .md के साथ ZIP में, एक बार में 20 फ़ाइलें।
- Markdown को PDF में बदलें.md और .markdown फ़ाइल को PDF में बदलें: कच्चे तारांकन (*) नहीं, असली हेडिंग, लिस्ट, टेबल, लिंक और कोड ब्लॉक। # हेडिंग से बुकमार्क।
- PDF को EPUB में बदलेंPDF को रीफ़्लोएबल EPUB में बदलें, जो Kindle, Kobo, Apple Books और फ़ोन की स्क्रीन पर फ़िट हो। फ़ॉन्ट साइज़ बदल सकेंगे, इमेज बनी रहेंगी।
