PDF Markdown-ba konvertáló
Alakítsa a PDF-et .md fájllá, amelyben a címsorok, a listák és a táblázatok Markdown-szintaxissal szerepelnek. Az eredmény mehet egyenesen a jegyzetgyűjteményébe, egy dokumentációs tárolóba vagy egy keresőalapú (RAG) feldolgozási folyamatba.
PDF konvertáló
vagy húzza ide a(z) PDF fájlok fájlokat ·
Legfeljebb 95 MB fájlonként· Legfeljebb 20 fájl· Törlés 30 perc után
A fájlokat szervereinken dolgozzuk fel, és 30 perc után töröljük.
A beolvasott PDF-ek oldalképek. Az Automatikus csak a szövegréteg nélküli oldalakon futtat OCR-t; a Mindig minden oldalra kikényszeríti.
A beolvasásban nyomtatott nyelv. A helyes választás érezhetően javítja a pontosságot ékezetes és nem latin írásrendszerű szövegnél.
A Folyó szöveg normál, könnyen szerkeszthető bekezdésekké tördelődik. A Pontos elrendezés minden blokkot a helyére tesz, ami azonosan néz ki, de nehezebben szerkeszthető.
Hová kerüljenek a felismert táblázatok a munkafüzetben.
Oldalszámok vagy tartományok vesszővel elválasztva, pl. 1-3, 5, 8-10.
Az eszköz használata
- 1
Adja hozzá a PDF-et
Húzzon be legfeljebb 20 PDF-et, fájlonként legfeljebb 95 MB-ig. A beolvasott oldalakat az OCR olvassa be, amíg a Szövegfelismerés (OCR) beállítása Automatikus marad.
- 2
Válassza ki a képeket és az oldalakat
A Képek megtartása be van kapcsolva, így az ábrák is átkerülnek. Kapcsolja ki, ha csak szöveges fájlt szeretne, a Konvertálandó oldalak mezővel pedig kihagyhat egy borítót vagy függeléket.
- 3
Konvertáljon, és ellenőrizze a vázlatot
Nyomja meg a Konvertálás Markdown formátumba gombot, és töltse le a .md fájlt, több fájl esetén a ZIP-et. Először nézze át a címsorszinteket.
A PDF a karaktereket pozíciókhoz kötve tárolja; a Markdown a szerkezetet karakterekkel: # a címsorhoz, kötőjel a listaelemhez, függőleges vonalak a táblázathoz. Az átalakítás ezt a szerkezetet a betűméretekből, behúzásokból és oszlopokból olvassa vissza.
Hogyan építi újra a PDF–MD konvertálás a címsorokat, a listákat és a táblázatokat
A legtöbb PDF nem tudja, hogy egy sor címsor. Hacsak a fájlt nem címkézett PDF-ként exportálták, ez a funkció a PDF 1.4-ben jelent meg 2001-ben, és a PDF/UA akadálymentességi szabvány (ISO 14289) előírja, a cím csak nagyobb vagy vastagabb betűs szöveg. Az átalakító rangsorolja a talált betűstílusokat, és a legnagyobb, ismétlődő stílusokat #, ## és ### jelekre képezi le, így az egyértelmű tipográfiai hierarchiájú jelentés tiszta vázlattal készül el.
A listákat a jelölőkről és behúzásokról ismeri fel: a felsorolásjelekből -, a számozott sorokból 1., a mélyebb behúzásokból beágyazott elemek lesznek. Az oszlopokba igazított szövegből csöves táblázat lesz; ezt a szintaxist a GitHub formalizálta a GFM specifikációban 2017-ben, a John Gruber által 2004-ben közzétett Markdownban még egyáltalán nem voltak táblázatok. A hivatkozások megtartják a céljukat [szöveg](url) formában.
Azokat a sortöréseket, amelyek csak azért voltak, mert a sor elérte a margót, a program újra bekezdésekké fűzi. Két bekezdés közé kerülő élőfej vagy oldalszám az, amit utólag általában törölni kell.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Felsorolásos és számozott listák | Felsorolásos és számozott listák to MD: yes | – Felsorolásos és számozott listák to TXT: no | Felsorolásos és számozott listák to DOCX: yes | Felsorolásos és számozott listák to HTML: yes |
| Egyszerű táblázatok | Egyszerű táblázatok to MD: yes | – Egyszerű táblázatok to TXT: no | Egyszerű táblázatok to DOCX: yes | Egyszerű táblázatok to HTML: yes |
| Egyesített táblázatcellák | – Egyesített táblázatcellák to MD: no | – Egyesített táblázatcellák to TXT: no | Egyesített táblázatcellák to DOCX: yes | Egyesített táblázatcellák to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Rögzített oldalelrendezés | – Rögzített oldalelrendezés to MD: no | – Rögzített oldalelrendezés to TXT: no | Rögzített oldalelrendezés to DOCX: yes | – Rögzített oldalelrendezés to HTML: no |
Amit a PDF Markdown-ba konvertáló nem tud visszaállítani
Portable Document Format
A PDF-et az Adobe hozta létre 1993-ban, és 2008-ban nyílt ISO 32000 szabvány lett. Rögzíti a szöveget, a betűtípusokat, a képeket és az elrendezést, így a dokumentum minden képernyőn és nyomtatón ugyanúgy néz ki. A PDF tartalmazhat űrlapokat, aláírásokat, hivatkozásokat, csatolmányokat és kereshető szöveget, a PDF/A változatot pedig hosszú távú archiválásra használják. A rögzített elrendezés miatt nehéz szerkeszteni, a beolvasott PDF-ek pedig csak képeket tartalmaznak, hacsak nem futtattak rajtuk OCR-t. Minden böngésző és operációs rendszer megnyitja.
- Tömörítés
- –
- Átlátszóság
- Igen
- Animáció
- Nem
- Bevezetés éve
- 1993 · Adobe
MD
Markdown
A Markdown egy könnyű jelölőnyelv, amelyet John Gruber alkotott 2004-ben. Egyszerű szöveges jeleket használ, például # a címsorokhoz, * a kiemeléshez és - a listákhoz, amelyek nyers szövegként is olvashatók, és tisztán alakíthatók HTML-lé. Ez a szabvány a README fájlokhoz, dokumentációkhoz, wikikhez, jegyzetalkalmazásokhoz és sok statikus oldalgenerátorhoz. Több nyelvjárása van, például a CommonMark és a GitHub Flavored Markdown, amelyek részletekben, például a táblázatoknál különböznek. Bármelyik szövegszerkesztő megnyitja a .md fájlokat.
- Tömörítés
- –
- Átlátszóság
- –
- Animáció
- –
- Bevezetés éve
- 2004 · John Gruber
Akkor alakítanak PDF-et Markdownná, ha a szövegnek egyszerű szöveges eszközökben kell élnie, például jegyzettárban, dokumentációs tárolóban vagy AI-keresési indexben, ahol a címsornak # jelnek kell lennie, nem nagyobb betűnek.
Néhány dolgot soha nem tároltak visszaolvasható formában. Az oszlopok közé helyezett oldalsáv a bekezdés közepére kerülhet. A pozícionált szimbólumokból szedett egyenletek karaktersorként jelennek meg, nem LaTeXként. A vektoros körvonalként rajzolt szöveg, ami gyakori logóknál és exportált diáknál, egyáltalán nem tartalmaz karaktereket.
Az egyesített fejlékcellás vagy többbekezdéses cellás táblázatok egyszerű rácssá laposodnak, ezért egy bonyolult fejlécsort valószínűleg kézzel kell újraírni. Ha csak a szavakra van szüksége, a PDF TXT-be egyszerű szöveget ad; ha a forrás Word-vázlat, a DOCX Markdownba több szerkezetet megőriz, mert a DOCX még tudja, mely bekezdések címsorok.
Markdown LLM- és RAG-folyamatokhoz, Obsidianhoz és Notionhöz
RAG- és LLM-folyamatok
A címsorok természetes darabolási határokat adnak a szövegfelosztónak, így minden darab megtartja a szakaszcímét, a Markdown pedig jóval kevesebb tokent használ jelölésre, mint a HTML.
Obsidian-tárak
Az Obsidian minden jegyzetet egyszerű .md fájlként tárol a lemezén egy mappában, így az átalakított fájl közvetlenül a tárba másolható.
Notion-munkaterületek
A Notion Markdown-importja a címsorokat, listákat és csöves táblázatokat natív blokkokká alakítja, tisztábban, mint a PDF-megjelenítőből való beillesztés.
Keresési folyamathoz kikapcsolt Képek megtartása mellett alakítson át, kivéve, ha egy látásmodell fogja olvasni az ábrákat, és szkennelt anyagnál válassza ki a megfelelő Dokumentum nyelve értéket, hogy az OCR ne találjon ki olyan karaktereket, amelyek az indexbe kerülnek. Ezután ellenőrizze az első két címsorszintet: a ## szintre léptetett ábrafelirat furcsa helyeken vágja szét a darabokat, és egyetlen keresés-csere kijavítja indexelés előtt. Az egyszerű szöveg a Gitben is tisztán összevethető, így egy kézikönyv új kiadása mondatról mondatra összehasonlítható.
Kérdések a PDF Markdown-ba konvertálásáról
Milyen Markdown-változatot ír a PDF–MD konvertáló?
A címsorok, listák, kiemelések és hivatkozások a CommonMarkot követik, a táblázatok pedig GitHub-stílusú csöves táblázatként készülnek, mert a sima CommonMarkban nincs táblázatszintaxis. Ez helyesen jelenik meg a GitHubon, a GitLabon, az Obsidianben és a VS Code-ban.
Átalakítható Markdown-ba egy szkennelt PDF?
Igen. Ha a Szövegfelismerés (OCR) Automatikus, a szövegréteg nélküli oldalakat először beolvassa, majd utólag építi újra a szerkezetet, ezért egy sík, 300 DPI-s szkennelés tisztább vázlatot ad, mint egy ferde telefonfotó. Ha .md fájl helyett kereshető PDF kell, használja az OCR PDF eszközt.
Miért lett egy félkövér képaláírásból címsor?
A címsorokat a méretből, a vastagságból és a térközből ismeri fel, ezért egy önálló, rövid, félkövér sor, például egy ábrafelirat, pontosan úgy nézhet ki, mint egy alacsonyabb szintű címsor. Törölje a # jeleit; a vázlat többi része nem érintett.
Hogyan importálhatom a Markdown-fájlt a Notionba?
Válassza az Import lehetőséget a Notion oldalsávjában, jelölje ki a Text & Markdown opciót, majd válassza ki a fájlt. Minden # címsor címsorblokk lesz, minden csöves táblázat pedig egyszerű táblázat.
Miért sokkal kisebb az .md fájl, mint a PDF?
A PDF minden oldalhoz beágyazott betűtípusokat, képeket és rajzolási utasításokat tartalmaz; a Markdown csak karaktereket és néhány szimbólumot őriz. Egy több megabájtos, szövegközpontú jelentésből jellemzően néhány száz kilobájtnyi Markdown lesz, ami a nyelvi modellek kontextusablakába is könnyebben belefér.
Visszaalakíthatom a Markdown-fájlt PDF-be szerkesztés után?
Igen. Minden exportálni képes szerkesztő újra készíthet PDF-et, és az UltKitben van Markdown–PDF konverter is az oda-vissza átalakításhoz. Az új PDF a megjelenítő betűtípusait és térközeit használja, nem az eredeti dizájnt.
- PDF szöveggé alakításaNyerje ki a PDF szövegét tiszta UTF-8 szövegfájlként. A szkennelt oldalakat OCR olvassa be, az oldaltartomány opcionális, csak a szöveg marad.
- PDF TXT-be átalakítóPDF TXT-be alakítása ingyen. A digitális oldalak pontos karakterei megmaradnak, a szkennelteket OCR dolgozza fel; PDF-enként egy UTF-8 .txt fájl.
- PDF Word-be konvertálásPDF átalakítása szerkeszthető Word-dokumentummá. A szöveg normál bekezdésekbe rendeződik, szkennelt oldalakhoz OCR 34 nyelven, egyszerre 20 fájl.
- DOCX Markdown átalakítóWord DOCX fájlok átalakítása tiszta Markdownná GitHubhoz és statikus oldalakhoz. Képek az .md mellett ZIP-ben, 20 fájl egyszerre.
- Markdown PDF-beAlakítsa .md és .markdown fájljait PDF-be valódi címsorokkal, listákkal, táblázatokkal, linkekkel és kódblokkokkal. Könyvjelzők a # címsorokból.
- PDF EPUB-ba konvertálásPDF átalakítása újratördelhető EPUB-ba Kindle, Kobo, Apple Books és telefon képernyőjére. Állítható betűméret, a képek megmaradnak.
