PDFをMarkdownに変換
PDFを、見出し・リスト・表をMarkdown記法で書き出した.mdファイルに変換します。ノートのVault、ドキュメントのリポジトリ、検索パイプラインにそのまま使えます。
PDF変換
またはPDF ファイルをここにドロップ ·
1ファイルあたり最大95 MB· 最大20ファイルまで· 30分後に削除
ファイルは当社のサーバーで処理され、30分後に削除されます。
スキャンしたPDFはページを撮影した画像です。自動はテキストレイヤーのないページにのみOCRを実行し、常にオンはすべてのページで実行します。
スキャンに印刷されている言語です。正しい言語を選ぶと、アクセント記号付き文字やラテン文字以外の文字の精度が大きく向上します。
フロー形式は通常の段落に再配置され、編集しやすくなります。レイアウト固定は各ブロックを元の位置に配置するため、見た目は同じですが編集は難しくなります。
検出された表をブックのどこに配置するかを指定します。
ページ番号または範囲をカンマで区切って指定します(例: 1-3, 5, 8-10)。
このツールの使い方
- 1
PDFを追加する
PDFを1ファイル95 MBまで、最大20件ドロップします。文字認識（OCR）を「自動」のままにしておくと、スキャンしたページはOCRで読み取られます。
- 2
画像とページを選ぶ
画像を保持がオンなので、図もそのまま含まれます。テキストだけのファイルにしたい場合はオフにし、表紙や付録を除くには変換するページを使います。
- 3
変換して見出し構成を確認する
Markdownに変換を押して、.mdファイルをダウンロードします。複数の場合はZIPになります。まず見出しのレベルを確認してください。
PDFは文字の形を位置ごとに保存しますが、Markdownは構造を文字で保存します。見出しは#、リスト項目はハイフン、表はパイプです。変換では、フォントサイズ、インデント、段組みからこの構造を読み戻します。
PDFをMDに変換するとき見出し・リスト・表をどう再構成するか
ほとんどのPDFは、ある行が見出しであることを認識していません。2001年にPDF 1.4で追加され、アクセシビリティ規格PDF/UA（ISO 14289）で必須とされるタグ付きPDFとして書き出されていない限り、タイトルは大きいか太いフォントのただのテキストです。変換ツールは見つかった書体スタイルを順位付けし、繰り返し現れる大きいものから順に#、##、###に割り当てます。そのため、書体の階層がはっきりしたレポートは、整った構成で出力されます。
リストはマーカーとインデントから認識します。箇条書きは-、番号付きの行は1.、深いインデントは入れ子の項目になります。列で揃えられたテキストはパイプテーブルになります。この構文は2017年にGitHubがGFM仕様として正式化したもので、2004年にJohn Gruberが公開したMarkdownには表がまったくありませんでした。リンクは[text](url)の形でリンク先を保持します。
行が余白に達しただけで生じた改行は、段落としてつなぎ直します。段落と段落の間に入り込んだヘッダーやページ番号は、あとで削除することが多い箇所です。
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| 箇条書きと番号付きリスト | 箇条書きと番号付きリスト to MD: yes | – 箇条書きと番号付きリスト to TXT: no | 箇条書きと番号付きリスト to DOCX: yes | 箇条書きと番号付きリスト to HTML: yes |
| シンプルな表 | シンプルな表 to MD: yes | – シンプルな表 to TXT: no | シンプルな表 to DOCX: yes | シンプルな表 to HTML: yes |
| 結合されたセル | – 結合されたセル to MD: no | – 結合されたセル to TXT: no | 結合されたセル to DOCX: yes | 結合されたセル to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| 固定されたページレイアウト | – 固定されたページレイアウト to MD: no | – 固定されたページレイアウト to TXT: no | 固定されたページレイアウト to DOCX: yes | – 固定されたページレイアウト to HTML: no |
PDFをMarkdownに変換しても復元できないもの
Portable Document Format
PDF は1993年に Adobe が作成し、2008年にオープンな ISO 32000 標準になりました。テキスト、フォント、画像、レイアウトを固定するため、どの画面でもプリンターでも文書が同じ見た目になります。フォーム、署名、リンク、添付ファイル、検索可能なテキストを含められ、PDF/A という種類は長期保存に使われます。レイアウトが固定されているため編集しにくく、スキャンした PDF は OCR を適用しない限り画像だけです。すべてのブラウザと OS で開けます。
- 圧縮方式
- –
- 透過
- 対応
- アニメーション
- 非対応
- 登場時期
- 1993 · Adobe
MD
Markdown
Markdownは、2004年にJohn Gruberが作った軽量マークアップ記法です。見出しの#、強調の*、リストの-など、プレーンテキストの記号を使い、そのままでも読みやすく、きれいにHTMLへ変換できます。READMEファイル、ドキュメント、Wiki、ノートアプリ、多くの静的サイトジェネレーターの標準です。CommonMarkやGitHub Flavored Markdownなど複数の方言があり、表などの細部が異なります。.mdファイルはどのテキストエディタでも開けます。
- 圧縮方式
- –
- 透過
- –
- アニメーション
- –
- 登場時期
- 2004 · John Gruber
PDFをMarkdownにするのは、ノートの保管庫、ドキュメントのリポジトリ、AIの検索インデックスなど、プレーンテキストのツールに文章を置く必要があるときです。そこでは、見出しは大きなフォントではなく#で表す必要があります。
もともと読み戻せる形で保存されていないものもあります。段組みの間に置かれたサイドバーは、段落の途中に入り込むことがあります。位置指定の記号で組まれた数式は、LaTeXではなく文字の並びになります。ロゴや書き出したスライドに多い、ベクターのアウトラインで描かれた文字には、文字データがまったく含まれません。
ヘッダーセルを結合した表や、セル内に複数の段落がある表は、単純なグリッドに平坦化されます。複雑なヘッダー行は手作業で書き直す前提でお考えください。文字だけが必要な場合は、PDF to TXTでプレーンテキストにできます。元がWordの下書きなら、DOCXならどの段落が見出しかがわかるため、DOCX to Markdownのほうが構造をよく保てます。
LLM・RAGパイプライン、Obsidian、Notionで使うMarkdown
RAG・LLMパイプライン
見出しがテキストスプリッターの自然な区切りになり、各チャンクがセクションタイトルを保てます。また、MarkdownはHTMLよりマークアップに使うトークンがはるかに少なくて済みます。
Obsidianの保管庫
Obsidianはすべてのノートをディスク上のフォルダに.mdファイルとして保存するため、変換したファイルをそのまま保管庫に入れられます。
Notionワークスペース
NotionのMarkdownインポートは、見出し、リスト、パイプテーブルをネイティブのブロックにします。PDFビューアからの貼り付けよりきれいに仕上がります。
検索パイプライン向けに変換する場合は、ビジョンモデルで図を読み取るのでなければ画像を保持をオフにします。スキャンの場合は文書の言語を正しく選んでください。OCRが存在しない文字を作り出し、インデックスに混入するのを防げます。そのうえで、最初の2段階の見出しを確認します。##に格上げされたキャプションがあると、チャンクが不自然な位置で分かれますが、インデックス作成の前に一括置換で直せます。プレーンテキストはGitでも差分がきれいに出るため、マニュアルの新版を一文ずつ比較することもできます。
PDFのMarkdown変換に関するよくある質問
PDFをMDに変換すると、どのMarkdown方言で書き出されますか？
見出し、リスト、強調、リンクはCommonMarkに従います。表はGitHub形式のパイプテーブルで出力します。CommonMark自体には表の構文がないためです。GitHub、GitLab、Obsidian、VS Codeで正しく表示されます。
スキャンしたPDFもMarkdownに変換できますか？
はい。文字認識（OCR）を「自動」にすると、テキストレイヤーのないページを先に読み取り、そのあとで構造を再構築します。そのため、傾いたスマホ撮影よりも、まっすぐな300 DPIのスキャンのほうが整った構成になります。.mdではなく検索可能なPDFが必要な場合は、OCR PDFをご利用ください。
太字のキャプションが見出しになったのはなぜですか？
見出しは文字の大きさ、太さ、余白から判定します。図のキャプションのように、太字の短い行が単独である場合は、小見出しと見分けがつきません。その行の#を削除してください。ほかの見出し構成には影響しません。
MarkdownファイルをNotionに取り込むには？
Notionのサイドバーで「インポート」を選び、「テキストとMarkdown」を選択してファイルを指定します。#の見出しは見出しブロックに、パイプテーブルはシンプルテーブルになります。
.mdファイルがPDFよりずっと小さいのはなぜですか？
PDFにはページごとに埋め込みフォント、画像、描画命令が含まれますが、Markdownが保持するのは文字といくつかの記号だけです。テキスト中心の数MBのレポートは、通常数百KBのMarkdownになり、AIモデルのコンテキストウィンドウにも収まりやすくなります。
編集したMarkdownをPDFに戻せますか？
はい。書き出しに対応したエディタであれば、再びPDFにできます。UltKitにはMarkdownからPDFへの変換ツールもあるので、往復も可能です。新しいPDFには、元のデザインではなく、レンダラーのフォントと余白が使われます。
- PDFをテキストに変換PDFの文字だけをUTF-8のテキストファイルとして抽出します。スキャンはOCRで読み取り、ページ範囲の指定も可能。残るのはテキストだけです。
- PDFをTXTに変換PDFをTXTに無料でオンライン変換。デジタルPDFは文字をそのまま抽出し、スキャンしたページはOCRで読み取ります。PDF1つにつきUTF-8の.txtファイルを1つ出力します。
- PDFをWordに変換PDFを本当に編集できるWordに変換。文字は通常の段落として流し込まれ、スキャンしたページは34言語対応のOCRで読み取ります。一度に最大20ファイルまで。
- DOCXをMarkdownに変換Word(DOCX)ファイルをGitHub、静的サイトジェネレーター、docs-as-code向けのきれいなMarkdownに変換。画像は.mdと同じZIPに保存、1回20ファイルまで。
- MarkdownをPDFに変換.mdや.markdownファイルをPDFに変換。アスタリスクのままではなく、見出し・リスト・表・リンク・コードブロックを正しく表示します。#見出しからしおりも作成。
- PDFをEPUBに変換PDFをKindle、Kobo、Apple Books、スマホの画面に合わせて文字が流れるリフロー型EPUBに変換します。文字サイズを変更でき、画像もそのまま残ります。
