Penukar PDF ke Markdown
Tukar PDF kepada fail .md dengan tajuk, senarai dan jadual yang ditulis dalam sintaks Markdown, sedia untuk vault nota, repositori dokumentasi atau saluran pengambilan data (retrieval).
Penukar PDF
atau seret Fail PDF ke sini ·
Maks 95 MB setiap fail· Sehingga 20 fail· Dipadam selepas 30 minit
Fail diproses pada pelayan kami dan dipadam selepas 30 minit.
PDF imbasan ialah gambar halaman. Auto menjalankan OCR hanya pada halaman tanpa lapisan teks; Sentiasa memaksanya pada setiap halaman.
Bahasa yang tercetak pada imbasan. Memilih bahasa yang betul meningkatkan ketepatan dengan ketara untuk aksara beraksen dan tulisan bukan Latin.
Teks mengalir disusun semula menjadi perenggan biasa yang mudah disunting. Susun atur tepat meletakkan setiap blok di tempat asalnya, yang kelihatan serupa tetapi lebih sukar disunting.
Tempat jadual yang dikesan diletakkan dalam buku kerja.
Nombor halaman atau julat dipisahkan koma, cth. 1-3, 5, 8-10.
Cara menggunakan alat ini
- 1
Tambah PDF
Letakkan sehingga 20 PDF, setiap satu maksimum 95 MB. Halaman yang diimbas dibaca dengan OCR selagi Pengecaman teks (OCR) kekal pada Auto.
- 2
Pilih gambar dan halaman
Kekalkan imej dihidupkan, jadi rajah turut disertakan. Matikannya untuk fail teks sahaja, dan gunakan Halaman untuk ditukar untuk melangkau kulit depan atau lampiran.
- 3
Tukar dan semak struktur tajuk
Tekan Tukar ke Markdown dan muat turun fail .md, atau ZIP jika banyak fail. Semak tahap tajuk dahulu.
PDF menyimpan glif pada kedudukan tertentu; Markdown menyimpan struktur sebagai aksara: # untuk tajuk, sengkang untuk item senarai, paip untuk jadual. Penukaran membaca semula struktur itu daripada saiz fon, inden dan lajur.
Cara penukaran PDF ke MD membina semula tajuk, senarai dan jadual
Kebanyakan PDF tidak tahu bahawa sesuatu baris ialah tajuk. Melainkan fail dieksport sebagai PDF bertag, ciri yang ditambah dalam PDF 1.4 pada 2001 dan diwajibkan oleh piawaian kebolehcapaian PDF/UA (ISO 14289), tajuk hanyalah teks dalam fon yang lebih besar atau lebih tebal. Penukar menyusun gaya taip yang ditemui dan memetakan yang terbesar dan berulang kepada #, ## dan ###, jadi laporan dengan hierarki taip yang jelas menghasilkan kerangka yang kemas.
Senarai dikenal pasti daripada penanda dan inden: titik peluru menjadi -, baris bernombor 1., inden lebih dalam menjadi item bersarang. Teks yang sejajar dalam lajur menjadi jadual paip, sintaks yang diformalkan GitHub dalam spesifikasi GFM pada 2017; Markdown yang diterbitkan John Gruber pada 2004 langsung tiada jadual. Pautan mengekalkan sasarannya sebagai [teks](url).
Pemisah baris yang wujud hanya kerana baris sampai ke margin disambung semula menjadi perenggan. Pengepala atau nombor halaman yang terletak antara dua perenggan lazimnya perlu dipadam selepas itu.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Senarai berpeluru dan bernombor | Senarai berpeluru dan bernombor to MD: yes | – Senarai berpeluru dan bernombor to TXT: no | Senarai berpeluru dan bernombor to DOCX: yes | Senarai berpeluru dan bernombor to HTML: yes |
| Jadual ringkas | Jadual ringkas to MD: yes | – Jadual ringkas to TXT: no | Jadual ringkas to DOCX: yes | Jadual ringkas to HTML: yes |
| Sel jadual yang digabungkan | – Sel jadual yang digabungkan to MD: no | – Sel jadual yang digabungkan to TXT: no | Sel jadual yang digabungkan to DOCX: yes | Sel jadual yang digabungkan to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Reka letak halaman tetap | – Reka letak halaman tetap to MD: no | – Reka letak halaman tetap to TXT: no | Reka letak halaman tetap to DOCX: yes | – Reka letak halaman tetap to HTML: no |
Perkara yang tidak dapat dipulihkan oleh penukar PDF ke Markdown
Portable Document Format
PDF dicipta oleh Adobe pada 1993 dan menjadi piawaian terbuka ISO 32000 pada 2008. Ia menetapkan teks, fon, imej dan reka letak supaya dokumen kelihatan sama pada setiap skrin dan pencetak. PDF boleh mengandungi borang, tandatangan, pautan, lampiran dan teks boleh dicari, dan varian PDF/A digunakan untuk pengarkiban jangka panjang. Reka letak tetap menyukarkan PDF disunting, dan PDF imbasan hanya mengandungi imej melainkan OCR digunakan. Setiap pelayar dan sistem pengendalian boleh membukanya.
- Pemampatan
- –
- Ketelusan
- Ya
- Animasi
- Tidak
- Diperkenalkan
- 1993 · Adobe
MD
Markdown
Markdown ialah sintaks penanda ringan yang dicipta oleh John Gruber pada 2004. Ia menggunakan simbol teks biasa, seperti # untuk tajuk, * untuk penekanan dan - untuk senarai, yang kekal boleh dibaca sebagai teks mentah dan ditukar dengan kemas kepada HTML. Ia ialah piawaian untuk fail README, dokumentasi, wiki, aplikasi nota dan banyak penjana laman statik. Terdapat beberapa dialek, seperti CommonMark dan GitHub Flavored Markdown, yang berbeza dalam perincian seperti jadual. Mana-mana penyunting teks boleh membuka fail .md.
- Pemampatan
- –
- Ketelusan
- –
- Animasi
- –
- Diperkenalkan
- 2004 · John Gruber
Orang menukar PDF kepada Markdown apabila teks perlu berada dalam alat teks biasa, seperti simpanan nota, repositori dokumen atau indeks capaian AI, yang mana tajuk mestilah # dan bukan fon yang lebih besar.
Sesetengah perkara tidak pernah disimpan dalam bentuk yang boleh dibaca semula. Bar sisi yang diletakkan di antara lajur boleh terselit di tengah perenggan. Persamaan yang ditaip sebagai simbol berkedudukan keluar sebagai baris aksara, bukan LaTeX. Teks yang dilukis sebagai garis bentuk vektor, lazim pada logo dan slaid yang dieksport, langsung tidak mengandungi aksara.
Jadual dengan sel pengepala bergabung atau sel berbilang perenggan diratakan menjadi grid ringkas, jadi baris pengepala yang rumit perlu ditulis semula secara manual. Jika anda hanya perlukan perkataan, PDF ke TXT memberikan teks biasa; jika sumber anda draf Word, DOCX ke Markdown mengekalkan lebih banyak struktur, kerana DOCX masih tahu perenggan mana yang tajuk.
Markdown untuk saluran LLM dan RAG, Obsidian dan Notion
Saluran RAG dan LLM
Tajuk memberi pemisah teks sempadanketulan yang semula jadi, jadi setiap ketulan mengekalkan tajuk bahagiannya, dan Markdown menggunakan jauh lebih sedikit token untuk penanda berbanding HTML.
Simpanan Obsidian
Obsidian menyimpan setiap nota sebagai fail .md biasa dalam folder pada cakera anda, jadi fail yang ditukar boleh terus diletakkan ke dalam simpanan.
Ruang kerja Notion
Import Markdown Notion menukar tajuk, senarai dan jadual paip menjadi blok asli, lebih kemas daripada menampal dari pemapar PDF.
Untuk saluran capaian, tukar dengan Kekalkan imej dimatikan kecuali model penglihatan akan membaca rajah, dan pilih Bahasa dokumen yang betul untuk imbasan supaya OCR tidak mereka aksara yang akhirnya masuk ke indeks anda. Kemudian semak dua tahap tajuk pertama: kapsyen yang dinaikkan menjadi ## memecahkan ketulan di tempat yang pelik, dan satu operasi cari-dan-ganti membetulkannya sebelum pengindeksan. Teks biasa juga dibandingkan dengan kemas dalam Git, jadi edisi baharu manual boleh dibandingkan ayat demi ayat.
Soalan lazim PDF ke Markdown
Varian Markdown manakah yang dihasilkan oleh penukar PDF ke MD?
Tajuk, senarai, penekanan dan pautan mengikut CommonMark, manakala jadual ditulis sebagai jadual paip gaya GitHub, kerana CommonMark biasa tiada sintaks jadual. Ia dipaparkan dengan betul di GitHub, GitLab, Obsidian dan VS Code.
Bolehkah saya menukar PDF imbasan ke Markdown?
Ya. Dengan Pengecaman teks (OCR) pada Auto, halaman tanpa lapisan teks dibaca dahulu dan strukturnya dibina semula kemudian, jadi imbasan rata 300 DPI menghasilkan kerangka yang lebih kemas daripada foto telefon yang senget. Untuk PDF boleh cari dan bukannya fail .md, gunakan OCR PDF.
Mengapakah kapsyen tebal bertukar menjadi tajuk?
Tajuk dikesan daripada saiz, ketebalan dan jarak, dan satu baris tebal yang pendek dan berdiri sendiri, seperti kapsyen rajah, boleh kelihatan sama seperti tajuk kecil. Padamkan tanda #nya; kerangka lain tidak terjejas.
Bagaimanakah cara memasukkan fail Markdown ke dalam Notion?
Pilih Import dalam bar sisi Notion, pilih Text & Markdown dan pilih fail tersebut. Setiap tajuk # menjadi blok tajuk dan setiap jadual paip menjadi jadual ringkas.
Mengapakah fail .md jauh lebih kecil daripada PDF?
PDF membawa fon terbenam, imej dan arahan lukisan untuk setiap halaman; Markdown hanya menyimpan aksara dan beberapa simbol. Laporan berat teks beberapa megabait biasanya menjadi beberapa ratus kilobait Markdown, yang juga lebih mudah muat dalam tetingkap konteks model.
Bolehkah saya menukar Markdown kembali ke PDF selepas menyunting?
Ya. Mana-mana editor yang boleh mengeksport dapat menghasilkan PDF semula, dan UltKit mempunyai penukar Markdown ke PDF untuk proses pergi balik. PDF baharu menggunakan fon dan jarak pemapar, bukan reka bentuk asal.
- Penukar PDF ke TeksEkstrak perkataan daripada mana-mana PDF sebagai fail teks UTF-8 yang bersih. Imbasan dibaca dengan OCR, julat halaman pilihan, hanya teks disimpan.
- Penukar PDF ke TXTTukar PDF ke TXT dalam talian, percuma. Halaman digital kekal tepat, halaman imbasan melalui OCR, hasilnya satu fail .txt UTF-8 bagi setiap PDF.
- Penukar PDF ke WordTukar PDF ke Word yang boleh diedit. Teks mengalir semula dalam perenggan biasa, imbasan melalui OCR 34 bahasa, sehingga 20 fail sekali gus.
- Penukar DOCX ke MarkdownTukar fail Word DOCX ke Markdown bersih untuk GitHub, penjana laman statik dan docs-as-code. Gambar disimpan bersama .md dalam ZIP, 20 fail sekali.
- Markdown ke PDFTukar fail .md dan .markdown ke PDF dengan tajuk, senarai, jadual, pautan dan blok kod sebenar, bukan asterisk mentah. Penanda buku ikut tajuk #.
- Penukar PDF ke EPUBTukar PDF ke EPUB boleh alir yang menyesuaikan diri dengan Kindle, Kobo, Apple Books dan telefon. Saiz fon boleh diubah, gambar dikekalkan.
