UltKit
Изображения11
Конвертер изображенийСжать фотоИзменить размер изображенияОбрезать фотоИзображения в PDFФото на документыИзображение в SVGВсе инструменты: Изображения →
PDF13
Сжать PDFКонвертер PDFPDF в изображенияОбъединить PDFРазделить PDFСнять пароль с PDFЗащитить PDF паролемВсе инструменты: PDF →
Документы и данные7
Конвертировать в PDFКонвертер документовРаспознать текст с картинки (OCR)Изображение в ExcelКонвертер данныхКонвертер электронных книгВсе инструменты: Документы и данные →
Видео6
Конвертер видеоСжать видеоИзвлечь звук из видеоВидео в GIFОбрезать видеоАудио в видеоВсе инструменты: Видео →
Аудио4
Конвертер аудиоСжать аудиоОбрезать аудиоАудио в текстВсе инструменты: Аудио →
Другие инструменты22
Генератор QR-кодовСоздать ZIP-архивРаспаковать архив онлайнКонвертер часовых поясовКонвертер единицГенератор паролейСчётчик словПалитра цветовВсе другие инструменты →
БлогКак это работает

Конвертировать PDF в Markdown

Превратите PDF в файл .md, где заголовки, списки и таблицы записаны синтаксисом Markdown: его можно сразу положить в хранилище заметок, репозиторий документации или RAG-конвейер.

Конвертер PDF

или перетащите сюда файлы PDF ·

Макс. 95 MB на файл· До 20 файлов· Удаляются через 30 минут

Вывод

Файлы обрабатываются на наших серверах и удаляются через 30 минут.

Как пользоваться инструментом

  1. 1

    Добавьте PDF

    Загрузите до 20 PDF размером до 95 MB каждый. Страницы-сканы распознаются с помощью OCR, пока в поле Распознавание текста (OCR) выбрано «Авто».

  2. 2

    Выберите изображения и страницы

    Параметр Сохранить изображения включен, поэтому рисунки останутся в файле. Отключите его, если нужен только текст, а в поле Страницы для преобразования укажите, какие страницы пропустить, например обложку или приложение.

  3. 3

    Конвертируйте и проверьте структуру

    Нажмите Конвертировать в Markdown и скачайте файл .md (для нескольких файлов будет ZIP). Сначала проверьте уровни заголовков.

В PDF хранятся символы в заданных позициях, а в Markdown структура записана обычными знаками: # для заголовка, дефис для пункта списка, вертикальные черты для таблицы. При конвертации эта структура восстанавливается по размерам шрифтов, отступам и колонкам.

Как при конвертации PDF в MD восстанавливаются заголовки, списки и таблицы

В большинстве PDF строка не помечена как заголовок. Если файл не экспортирован как размеченный PDF (tagged PDF, возможность появилась в PDF 1.4 в 2001 году и требуется стандартом доступности PDF/UA, ISO 14289), заголовок — это просто текст более крупным или жирным шрифтом. Конвертер ранжирует найденные стили текста и сопоставляет самые крупные из повторяющихся с #, ## и ###, поэтому отчет с четкой иерархией шрифтов получает аккуратную структуру.

Списки распознаются по маркерам и отступам: маркеры становятся -, нумерованные строки — 1., более глубокие отступы — вложенными пунктами. Текст, выровненный по колонкам, превращается в таблицу с вертикальными чертами. Этот синтаксис GitHub формализовал в спецификации GFM в 2017 году; в Markdown Джона Грубера 2004 года таблиц не было вовсе. Ссылки сохраняют адреса в виде [текст](url).

Переносы строк, возникшие только потому, что строка дошла до поля, снова склеиваются в абзацы. Колонтитул или номер страницы, попавший между двумя абзацами, обычно приходится удалять вручную.

from ↓ · to →MDTXTDOCXHTML
HeadingsHeadings to MD: yes– Headings to TXT: noHeadings to DOCX: yesHeadings to HTML: yes
Маркированные и нумерованные спискиМаркированные и нумерованные списки to MD: yes– Маркированные и нумерованные списки to TXT: noМаркированные и нумерованные списки to DOCX: yesМаркированные и нумерованные списки to HTML: yes
Простые таблицыПростые таблицы to MD: yes– Простые таблицы to TXT: noПростые таблицы to DOCX: yesПростые таблицы to HTML: yes
Объединенные ячейки таблиц– Объединенные ячейки таблиц to MD: no– Объединенные ячейки таблиц to TXT: noОбъединенные ячейки таблиц to DOCX: yesОбъединенные ячейки таблиц to HTML: yes
LinksLinks to MD: yes– Links to TXT: noLinks to DOCX: yesLinks to HTML: yes
Фиксированная верстка страницы– Фиксированная верстка страницы to MD: no– Фиксированная верстка страницы to TXT: noФиксированная верстка страницы to DOCX: yes– Фиксированная верстка страницы to HTML: no
supported not offeredЧто может выразить каждый формат. В таблицах Markdown с вертикальными чертами нет синтаксиса для объединенных ячеек.

Что конвертер PDF в Markdown не может восстановить

PDF

Документ PDF (Portable Document Format)

PDF создан Adobe в 1993 году и в 2008 году стал открытым стандартом ISO 32000. Он фиксирует текст, шрифты, изображения и вёрстку, поэтому документ выглядит одинаково на любом экране и принтере. PDF может содержать формы, подписи, ссылки, вложения и текст с возможностью поиска, а вариант PDF/A используется для долговременного архивирования. Из-за фиксированной вёрстки PDF трудно редактировать, а отсканированные PDF содержат только изображения, если не применить OCR. Их открывает любой браузер и любая операционная система.

Сжатие
–
Прозрачность
Да
Анимация
Нет
Год появления
1993 · Adobe
Конвертер PDF

MD

Разметка Markdown

Markdown — облегчённый синтаксис разметки, созданный Джоном Грубером в 2004 году. В нём используются обычные текстовые символы — # для заголовков, * для выделения и - для списков, — которые остаются читаемыми в исходном тексте и аккуратно преобразуются в HTML. Это стандарт для файлов README, документации, вики, приложений для заметок и многих генераторов статических сайтов. Существует несколько диалектов, например CommonMark и GitHub Flavored Markdown, которые различаются в деталях вроде таблиц. Файлы .md открываются в любом текстовом редакторе.

Сжатие
–
Прозрачность
–
Анимация
–
Год появления
2004 · John Gruber
Конвертер MD

PDF переводят в Markdown, когда текст должен жить в простых текстовых инструментах: хранилище заметок, репозитории документации или поисковом индексе для ИИ, где заголовок должен быть знаком #, а не крупным шрифтом.

Кое-что никогда не хранилось в виде, который можно прочитать обратно. Боковая врезка между колонками может оказаться посреди абзаца. Формулы, набранные как символы в заданных позициях, превращаются в строку знаков, а не в LaTeX. Текст, нарисованный векторными контурами, что часто встречается в логотипах и экспортированных слайдах, вообще не содержит символов.

Таблицы с объединенными ячейками заголовка или с несколькими абзацами в ячейке превращаются в простую сетку, поэтому сложную строку заголовка придется переписать вручную. Если нужны только слова, PDF в TXT даст простой текст; если исходник — черновик в Word, DOCX в Markdown сохранит больше структуры, ведь DOCX знает, какие абзацы являются заголовками.

Markdown для LLM и RAG-конвейеров, Obsidian и Notion

Конвейеры RAG и LLM

Заголовки задают разделителю текста естественные границы фрагментов, поэтому каждый фрагмент сохраняет название раздела, а Markdown тратит на разметку заметно меньше токенов, чем HTML.

Хранилища Obsidian

Obsidian хранит каждую заметку как обычный файл .md в папке на вашем диске, поэтому готовый файл можно сразу положить в хранилище.

Рабочие пространства Notion

Импорт Markdown в Notion превращает заголовки, списки и таблицы с вертикальными чертами в нативные блоки, и получается чище, чем при вставке из просмотрщика PDF.

Для конвейера поиска конвертируйте с отключенным параметром Сохранить изображения, если только рисунки не будет читать модель с компьютерным зрением, и выбирайте правильный Язык документа для сканов, чтобы OCR не выдумывал символы, которые попадут в индекс. Затем проверьте первые два уровня заголовков: подпись, ставшая заголовком ##, разбивает фрагменты в странных местах, а одна замена по шаблону исправляет это до индексации. Простой текст к тому же хорошо сравнивается в Git, поэтому новую редакцию руководства можно сверить предложение за предложением.

Вопросы о конвертации PDF в Markdown

Какой диалект Markdown создает конвертер PDF в MD?

Заголовки, списки, выделение и ссылки записываются по CommonMark, а таблицы оформляются как таблицы с вертикальными чертами в стиле GitHub, потому что в чистом CommonMark синтаксиса таблиц нет. Такой файл корректно отображается на GitHub, GitLab, Obsidian и в VS Code.

Можно ли конвертировать отсканированный PDF в Markdown?

Да. Если в поле Распознавание текста (OCR) выбрано «Авто», страницы без текстового слоя сначала распознаются, а затем структура восстанавливается. Ровный скан 300 DPI даст более чистую структуру, чем фото с телефона, снятое под углом. Если нужен не файл .md, а PDF с поиском по тексту, воспользуйтесь инструментом OCR PDF.

Почему жирная подпись превратилась в заголовок?

Заголовки определяются по размеру, насыщенности шрифта и интервалам, поэтому короткая жирная строка отдельной строкой, например подпись к рисунку, может выглядеть точно как заголовок низкого уровня. Удалите у нее знаки #; остальная структура от этого не изменится.

Как импортировать файл Markdown в Notion?

Выберите Import на боковой панели Notion, затем Text & Markdown и укажите файл. Каждый заголовок с # станет блоком заголовка, а каждая таблица с вертикальными чертами станет простой таблицей.

Почему файл .md намного меньше исходного PDF?

В PDF для каждой страницы хранятся встроенные шрифты, изображения и команды отрисовки, а Markdown содержит только символы и несколько знаков разметки. Текстовый отчет на несколько мегабайт обычно превращается в Markdown размером в несколько сотен килобайт, который к тому же проще поместить в контекстное окно модели.

Можно ли после редактирования снова превратить Markdown в PDF?

Да. Любой редактор с экспортом снова создаст PDF, а в UltKit есть конвертер Markdown в PDF для обратного преобразования. Новый PDF будет использовать шрифты и интервалы программы отрисовки, а не исходный дизайн.