Convertor PDF în Markdown
Transformați un PDF într-un fișier .md cu titluri, liste și tabele scrise în sintaxă Markdown, gata pentru un seif de notițe, un depozit de documentație sau un pipeline de regăsire.
Convertor PDF
sau trage Fișiere PDF aici ·
Maximum 95 MB per fișier· Până la 20 fișiere· Șterse după 30 minute
Fișierele sunt procesate pe serverele noastre și șterse după 30 minute.
PDF-urile scanate sunt imagini ale paginilor. Automat rulează OCR doar pe paginile fără strat de text; Activat îl forțează pentru fiecare pagină.
Limba textului tipărit în scanare. Alegerea celei corecte îmbunătățește vizibil acuratețea pentru diacritice și alfabete non-latine.
Text fluid se rearanjează în paragrafe normale, ușor de editat. Aspect exact așază fiecare bloc unde era, ceea ce arată identic, dar este mai greu de editat.
Unde ajung tabelele detectate în registrul de calcul.
Numere de pagini sau intervale separate prin virgule, de exemplu 1-3, 5, 8-10.
Cum se folosește acest instrument
- 1
Adăugați PDF-ul
Încărcați până la 20 de PDF-uri, fiecare de maximum 95 MB. Paginile scanate sunt citite cu OCR cât timp Recunoaștere text (OCR) rămâne pe Auto.
- 2
Alegeți imaginile și paginile
Păstrează imaginile este activat, deci figurile sunt incluse. Dezactivați-l pentru un fișier doar cu text și folosiți Pagini de convertit ca să săriți peste o copertă sau o anexă.
- 3
Convertiți și verificați structura
Apăsați Convertește în Markdown și descărcați fișierul .md, sau un ZIP dacă sunt mai multe. Verificați mai întâi nivelurile titlurilor.
Un PDF stochează glife în anumite poziții; Markdown stochează structura sub formă de caractere: # pentru un titlu, o liniuță pentru un element de listă, bare verticale pentru un tabel. Conversia reconstituie structura din mărimile fonturilor, indentări și coloane.
Cum reface conversia PDF în MD titlurile, listele și tabelele
Majoritatea PDF-urilor nu știu că o linie este titlu. Dacă fișierul nu a fost exportat ca PDF etichetat, o funcție adăugată în PDF 1.4 în 2001 și cerută de standardul de accesibilitate PDF/UA (ISO 14289), un titlu este doar text într-un font mai mare sau mai gros. Convertorul ordonează stilurile de text găsite și le asociază pe cele mai mari și recurente cu #, ## și ###, astfel că un raport cu o ierarhie tipografică clară rezultă cu o structură curată.
Listele sunt recunoscute după marcatori și indentări: buletele devin -, liniile numerotate 1., iar indentările mai adânci devin elemente imbricate. Textul aliniat pe coloane devine tabel cu bare verticale, o sintaxă formalizată de GitHub în specificația GFM în 2017; Markdown-ul publicat de John Gruber în 2004 nu avea deloc tabele. Linkurile își păstrează destinațiile sub forma [text](url).
Rupturile de rând care existau doar pentru că linia ajunsese la margine sunt unite la loc în paragrafe. Un antet curent sau un număr de pagină aflat între două paragrafe este de obicei ceea ce ștergeți după aceea.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Liste cu buline și numerotate | Liste cu buline și numerotate to MD: yes | – Liste cu buline și numerotate to TXT: no | Liste cu buline și numerotate to DOCX: yes | Liste cu buline și numerotate to HTML: yes |
| Tabele simple | Tabele simple to MD: yes | – Tabele simple to TXT: no | Tabele simple to DOCX: yes | Tabele simple to HTML: yes |
| Celule de tabel îmbinate | – Celule de tabel îmbinate to MD: no | – Celule de tabel îmbinate to TXT: no | Celule de tabel îmbinate to DOCX: yes | Celule de tabel îmbinate to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Aspect fix al paginii | – Aspect fix al paginii to MD: no | – Aspect fix al paginii to TXT: no | Aspect fix al paginii to DOCX: yes | – Aspect fix al paginii to HTML: no |
Ce nu poate recupera un convertor PDF în Markdown
Portable Document Format
PDF a fost creat de Adobe în 1993 și a devenit standardul deschis ISO 32000 în 2008. Fixează textul, fonturile, imaginile și aspectul, astfel încât documentul arată la fel pe orice ecran și imprimantă. PDF-urile pot conține formulare, semnături, linkuri, atașamente și text căutabil, iar varianta PDF/A este folosită pentru arhivare pe termen lung. Aspectul fix face PDF-urile greu de editat, iar PDF-urile scanate conțin doar imagini, dacă nu se aplică OCR. Orice browser și sistem de operare le poate deschide.
- Compresie
- –
- Transparență
- Da
- Animație
- Nu
- Introdus în
- 1993 · Adobe
MD
Markdown
Markdown este o sintaxă de marcare ușoară, creată de John Gruber în 2004. Folosește simboluri din text simplu, precum # pentru titluri, * pentru accentuare și - pentru liste, care rămân lizibile ca text brut și se convertesc curat în HTML. Este standardul pentru fișiere README, documentație, wiki-uri, aplicații de notițe și multe generatoare de site-uri statice. Există mai multe dialecte, precum CommonMark și GitHub Flavored Markdown, care diferă în detalii precum tabelele. Orice editor de text poate deschide fișiere .md.
- Compresie
- –
- Transparență
- –
- Animație
- –
- Introdus în
- 2004 · John Gruber
Oamenii transformă un PDF în Markdown când textul trebuie să ajungă în instrumente de text simplu, cum ar fi un seif de notițe, un depozit de documentație sau un index de regăsire pentru AI, unde un titlu trebuie să fie un # și nu un font mai mare.
Unele lucruri nu au fost niciodată stocate într-o formă care poate fi citită înapoi. O casetă laterală plasată între coloane poate ajunge în mijlocul unui paragraf. Ecuațiile redate ca simboluri poziționate rezultă ca o linie de caractere, nu ca LaTeX. Textul desenat ca contururi vectoriale, frecvent în logouri și diapozitive exportate, nu conține deloc caractere.
Tabelele cu celule de antet îmbinate sau cu celule cu mai multe paragrafe sunt aplatizate într-o grilă simplă, așa că pregătiți-vă să rescrieți manual un rând de antet complicat. Dacă aveți nevoie doar de cuvinte, PDF în TXT oferă text simplu; dacă sursa este o ciornă Word, DOCX în Markdown păstrează mai multă structură, deoarece un DOCX știe încă ce paragrafe sunt titluri.
Markdown pentru pipeline-uri LLM și RAG, Obsidian și Notion
Fluxuri RAG și LLM
Titlurile oferă unui separator de text limite naturale între fragmente, astfel că fiecare fragment își păstrează titlul secțiunii, iar Markdown consumă mult mai puține tokenuri pentru marcaje decât HTML.
Seifuri Obsidian
Obsidian păstrează fiecare notiță ca fișier .md simplu într-un folder de pe disc, așa că fișierul convertit poate fi pus direct într-un seif.
Spații de lucru Notion
Importul Markdown din Notion transformă titlurile, listele și tabelele cu bare în blocuri native, mai curat decât lipirea dintr-un vizualizator PDF.
Pentru un flux de regăsire, convertiți cu Păstrează imaginile dezactivat, cu excepția cazului în care un model vizual va citi figurile, și alegeți Limba documentului potrivită pentru scanări, ca OCR să nu inventeze caractere care ajung în index. Apoi verificați primele două niveluri de titluri: o legendă promovată la ## împarte fragmentele în locuri ciudate, iar o singură căutare cu înlocuire o rezolvă înainte de indexare. Textul simplu se compară curat și în Git, deci o ediție nouă a unui manual poate fi comparată propoziție cu propoziție.
Întrebări despre conversia PDF în Markdown
Ce variantă de Markdown scrie convertorul PDF în MD?
Titlurile, listele, accentuările și linkurile respectă CommonMark, iar tabelele sunt scrise ca tabele cu bare verticale în stil GitHub, deoarece CommonMark simplu nu are sintaxă pentru tabele. Se afișează corect în GitHub, GitLab, Obsidian și VS Code.
Pot converti un PDF scanat în Markdown?
Da. Cu Recunoaștere text (OCR) pe Auto, paginile fără strat de text sunt citite mai întâi, iar structura este reconstruită apoi, astfel că o scanare dreaptă la 300 DPI dă o structură mai curată decât o poză făcută oblic cu telefonul. Pentru un PDF care poate fi căutat, în loc de un fișier .md, folosiți OCR PDF.
De ce o legendă îngroșată a devenit titlu?
Titlurile sunt detectate după mărime, grosime și spațiere, iar o linie scurtă îngroșată, singură pe rând, cum ar fi legenda unei figuri, poate arăta exact ca un titlu minor. Ștergeți semnele # de acolo; restul structurii nu este afectat.
Cum import fișierul Markdown în Notion?
Alegeți Import în bara laterală din Notion, selectați Text & Markdown și apoi fișierul. Fiecare titlu # devine un bloc de titlu, iar fiecare tabel cu bare devine un tabel simplu.
De ce fișierul .md este mult mai mic decât PDF-ul?
PDF-ul conține fonturi încorporate, imagini și instrucțiuni de desenare pentru fiecare pagină; Markdown păstrează caracterele și câteva simboluri. Un raport cu mult text, de câțiva megabyți, ajunge de obicei la câteva sute de kilobyți de Markdown, care încape și mai ușor în fereastra de context a unui model.
Pot transforma fișierul Markdown înapoi în PDF după editare?
Da. Orice editor care exportă poate produce din nou un PDF, iar UltKit are un convertor Markdown în PDF pentru drumul invers. Noul PDF folosește fonturile și spațierea randării, nu designul original.
- Convertor PDF în textExtrageți cuvintele din orice PDF într-un fișier text UTF-8 curat. Scanările sunt citite cu OCR, intervalul de pagini e opțional, se păstrează doar textul.
- Convertor PDF în TXTConvertiți PDF în TXT online, gratuit. Paginile digitale păstrează caracterele exacte, cele scanate trec prin OCR; rezultă un .txt UTF-8 pentru fiecare PDF.
- Convertor PDF în WordConvertiți PDF în Word editabil. Textul curge în paragrafe normale, scanările trec prin OCR în 34 de limbi, până la 20 de fișiere odată.
- Convertor DOCX în MarkdownConvertiți fișiere Word DOCX în Markdown curat pentru GitHub, generatoare de site-uri și docs-as-code. Imagini lângă .md în ZIP, 20 de fișiere odată.
- Markdown în PDFConvertiți .md și .markdown în PDF cu titluri, liste, tabele, linkuri și blocuri de cod reale, nu asteriscuri. Semne de carte din titlurile #.
- Convertor PDF în EPUBConvertiți un PDF în EPUB cu text adaptabil pentru Kindle, Kobo, Apple Books și telefon. Mărimea fontului devine reglabilă, imaginile rămân.
