Converter PDF para Markdown
Transforme um PDF em um arquivo .md com títulos, listas e tabelas escritos em sintaxe Markdown, pronto para um cofre de notas, um repositório de documentação ou um pipeline de recuperação.
Conversor de PDF
ou solte arquivos PDF aqui ·
Até 95 MB por arquivo· Até 20 arquivos· Apagados após 30 minutos
Os arquivos são processados em nossos servidores e apagados após 30 minutos.
PDFs digitalizados são fotos de páginas. Automático roda o OCR só nas páginas sem camada de texto; Sempre força o OCR em todas as páginas.
O idioma impresso na digitalização. Escolher o certo melhora bastante a precisão com acentos e alfabetos não latinos.
Texto corrido reorganiza o conteúdo em parágrafos normais, fáceis de editar. Layout exato coloca cada bloco onde estava, o que fica idêntico, mas é mais difícil de editar.
Onde as tabelas detectadas ficam na pasta de trabalho.
Números ou intervalos de páginas separados por vírgulas, por exemplo 1-3, 5, 8-10.
Como usar esta ferramenta
- 1
Adicione o PDF
Solte até 20 PDFs de até 95 MB cada. As páginas escaneadas são lidas com OCR enquanto Reconhecimento de texto (OCR) estiver em Automático.
- 2
Escolha imagens e páginas
Manter imagens está ativado, então as figuras acompanham o texto. Desative para obter um arquivo só com texto e use Páginas a converter para pular uma capa ou um apêndice.
- 3
Converta e confira a estrutura
Clique em Converter para Markdown e baixe o arquivo .md, ou um ZIP se forem vários. Confira antes os níveis de título.
Um PDF guarda glifos em posições; o Markdown guarda a estrutura como caracteres: # para um título, um hífen para um item de lista, barras verticais para uma tabela. A conversão lê essa estrutura de volta a partir dos tamanhos de fonte, recuos e colunas.
Como a conversão de PDF para MD reconstrói títulos, listas e tabelas
A maioria dos PDFs não sabe que uma linha é um título. A menos que o arquivo tenha sido exportado como PDF com tags, recurso adicionado no PDF 1.4 em 2001 e exigido pelo padrão de acessibilidade PDF/UA (ISO 14289), um título é apenas texto em fonte maior ou mais pesada. O conversor classifica os estilos de texto que encontra e associa os maiores e mais recorrentes a #, ## e ###, de modo que um relatório com hierarquia tipográfica clara sai com uma estrutura limpa.
As listas são reconhecidas por marcadores e recuos: os marcadores viram -, as linhas numeradas viram 1. e recuos mais profundos viram itens aninhados. Textos alinhados em colunas viram uma tabela com barras verticais, sintaxe que o GitHub formalizou na especificação GFM em 2017; o Markdown publicado por John Gruber em 2004 não tinha tabelas. Os links mantêm seus destinos como [texto](url).
Quebras de linha que só existiam porque a linha chegou à margem são unidas de volta em parágrafos. Um cabeçalho repetido ou um número de página que cai entre dois parágrafos é o que normalmente precisa ser apagado depois.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Listas com marcadores e numeradas | Listas com marcadores e numeradas to MD: yes | – Listas com marcadores e numeradas to TXT: no | Listas com marcadores e numeradas to DOCX: yes | Listas com marcadores e numeradas to HTML: yes |
| Tabelas simples | Tabelas simples to MD: yes | – Tabelas simples to TXT: no | Tabelas simples to DOCX: yes | Tabelas simples to HTML: yes |
| Células de tabela mescladas | – Células de tabela mescladas to MD: no | – Células de tabela mescladas to TXT: no | Células de tabela mescladas to DOCX: yes | Células de tabela mescladas to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Layout de página fixo | – Layout de página fixo to MD: no | – Layout de página fixo to TXT: no | Layout de página fixo to DOCX: yes | – Layout de página fixo to HTML: no |
O que um conversor de PDF para Markdown não consegue recuperar
Portable Document Format (PDF)
O PDF foi criado pela Adobe em 1993 e se tornou o padrão aberto ISO 32000 em 2008. Ele fixa texto, fontes, imagens e layout para que um documento fique igual em qualquer tela e impressora. PDFs podem conter formulários, assinaturas, links, anexos e texto pesquisável, e a variante PDF/A é usada para arquivamento de longo prazo. O layout fixo torna os PDFs difíceis de editar, e PDFs digitalizados contêm só imagens, a menos que se aplique OCR. Todo navegador e sistema operacional consegue abri-los.
- Compressão
- –
- Transparência
- Sim
- Animação
- Não
- Lançamento
- 1993 · Adobe
MD
Markdown
Markdown é uma sintaxe de marcação leve criada por John Gruber em 2004. Ela usa símbolos de texto simples, como # para títulos, * para ênfase e - para listas, que continuam legíveis como texto bruto e se convertem de forma limpa em HTML. É o padrão em arquivos README, documentação, wikis, aplicativos de notas e muitos geradores de sites estáticos. Existem vários dialetos, como CommonMark e GitHub Flavored Markdown, que diferem em detalhes como tabelas. Qualquer editor de texto abre arquivos .md.
- Compressão
- –
- Transparência
- –
- Animação
- –
- Lançamento
- 2004 · John Gruber
As pessoas transformam um PDF em Markdown quando o texto precisa viver em ferramentas de texto simples, como um cofre de notas, um repositório de documentação ou um índice de busca para IA, onde um título precisa ser um # e não uma fonte maior.
Algumas coisas nunca foram guardadas de uma forma que possa ser lida de volta. Uma barra lateral colocada entre colunas pode acabar no meio de um parágrafo. Equações compostas como símbolos posicionados saem como uma linha de caracteres, não como LaTeX. Texto desenhado como contornos vetoriais, comum em logotipos e slides exportados, não contém nenhum caractere.
Tabelas com células de cabeçalho mescladas ou com células de vários parágrafos são achatadas em uma grade simples, então espere ter de reescrever à mão uma linha de cabeçalho complicada. Se você só precisa das palavras, PDF para TXT gera texto simples; se a origem for um rascunho do Word, DOCX para Markdown preserva mais estrutura, porque um DOCX ainda sabe quais parágrafos são títulos.
Markdown para pipelines de LLM e RAG, Obsidian e Notion
Pipelines de RAG e LLM
Os títulos dão a um divisor de texto limites naturais de trecho, de modo que cada trecho mantém o título da sua seção, e o Markdown gasta bem menos tokens com marcação do que o HTML.
Cofres do Obsidian
O Obsidian guarda cada nota como um arquivo .md simples em uma pasta do seu disco, então o arquivo convertido entra direto em um cofre.
Espaços de trabalho do Notion
A importação de Markdown do Notion transforma títulos, listas e tabelas com barras verticais em blocos nativos, de forma mais limpa que colar a partir de um leitor de PDF.
Para um pipeline de recuperação, converta com Manter imagens desativado, a menos que um modelo de visão vá ler as figuras, e escolha o Idioma do documento certo para escaneamentos, para que o OCR não invente caracteres que acabem no seu índice. Depois confira os dois primeiros níveis de título: uma legenda promovida a ## divide os trechos em lugares estranhos, e uma única busca e substituição resolve isso antes de indexar. O texto simples também mostra diferenças limpas no Git, então uma nova edição de um manual pode ser comparada frase por frase.
Perguntas sobre PDF para Markdown
Que variante de Markdown o conversor de PDF para MD gera?
Títulos, listas, ênfases e links seguem o CommonMark, e as tabelas são escritas como tabelas com barras verticais no estilo do GitHub, porque o CommonMark puro não tem sintaxe de tabela. Elas aparecem corretamente no GitHub, GitLab, Obsidian e VS Code.
Dá para converter um PDF escaneado para Markdown?
Sim. Com Reconhecimento de texto (OCR) em Automático, as páginas sem camada de texto são lidas primeiro e a estrutura é reconstruída depois, então um escaneamento reto de 300 DPI gera uma estrutura mais limpa que uma foto torta de celular. Para um PDF pesquisável em vez de um arquivo .md, use OCR em PDF.
Por que uma legenda em negrito virou título?
Os títulos são detectados pelo tamanho, pelo peso e pelo espaçamento, e uma linha curta em negrito isolada, como a legenda de uma figura, pode parecer exatamente um subtítulo. Apague os # dela; o resto da estrutura não é afetado.
Como importo o arquivo Markdown no Notion?
Escolha Importar na barra lateral do Notion, selecione Texto e Markdown e escolha o arquivo. Cada título com # vira um bloco de título e cada tabela com barras verticais vira uma tabela simples.
Por que o arquivo .md é tão menor que o PDF?
O PDF carrega fontes incorporadas, imagens e instruções de desenho de cada página; o Markdown guarda caracteres e alguns símbolos. Um relatório cheio de texto com vários megabytes costuma virar algumas centenas de kilobytes de Markdown, que também cabe com mais facilidade na janela de contexto de um modelo.
Posso transformar o Markdown de volta em PDF depois de editar?
Sim. Qualquer editor que exporte consegue gerar um PDF de novo, e o UltKit tem um conversor de Markdown para PDF para fazer o caminho de volta. O novo PDF usa as fontes e os espaçamentos do renderizador, não o design original.
- Extrair texto de PDFExtraia as palavras de qualquer PDF em um arquivo de texto UTF-8 limpo. PDFs escaneados passam por OCR, o intervalo de páginas é opcional e só o texto fica.
- Converter PDF para TXTConverta PDF para TXT online e grátis. Páginas digitais mantêm os caracteres exatos, páginas escaneadas passam por OCR e cada PDF vira um .txt em UTF-8.
- Converter PDF para WordConverta PDF para Word editável de verdade. O texto vira parágrafos normais, páginas escaneadas passam por OCR em 34 idiomas, até 20 arquivos de uma vez.
- Converter DOCX para MarkdownConverta arquivos DOCX do Word em Markdown limpo para GitHub, geradores de sites estáticos e docs-as-code. Imagens ao lado do .md em um ZIP, 20 por lote.
- Markdown para PDFConverta arquivos .md e .markdown em PDF com títulos, listas, tabelas, links e blocos de código reais, sem asteriscos. Marcadores dos # títulos.
- Converter PDF para EPUBConverta um PDF em EPUB ajustável que se adapta à tela do Kindle, Kobo, Apple Books e celular. O tamanho da fonte fica ajustável e as imagens são mantidas.
