Prevod PDF do Markdownu
Premeňte PDF na súbor .md, v ktorom sú nadpisy, zoznamy a tabuľky zapísané syntaxou Markdown – pripravený pre trezor poznámok, repozitár dokumentácie alebo vyhľadávaciu pipeline.
PDF Converter
alebo sem presuňte súbory PDF ·
Max. 95 MB na súbor· Až 20 súborov· Odstránenie po 30 minútach
Súbory sa spracúvajú na našich serveroch a po 30 minútach sa odstránia.
Skenované PDF sú obrázky strán. Auto spustí OCR len na stranách bez textovej vrstvy; Vždy ho vynúti pre každú stranu.
Jazyk textu v skene. Správny výber citeľne zlepší presnosť pri diakritike a nelatinských písmach.
Plynulý text sa zalomí do bežných odsekov, ktoré sa ľahko upravujú. Presné rozloženie umiestni každý blok tam, kde bol, čo vyzerá rovnako, ale sa ťažšie upravuje.
Kam v zošite pôjdu rozpoznané tabuľky.
Čísla strán alebo rozsahy oddelené čiarkami, napr. 1-3, 5, 8-10.
Ako používať tento nástroj
- 1
Pridajte PDF
Nahrajte až 20 PDF súborov s veľkosťou do 95 MB každý. Skenované strany sa prečítajú pomocou OCR, kým je Rozpoznávanie textu (OCR) nastavené na Auto.
- 2
Vyberte obrázky a strany
Zachovať obrázky je zapnuté, takže sa prenesú aj obrázky. Pre súbor len s textom ho vypnite a cez Strany na prevod preskočte obálku alebo prílohu.
- 3
Preveďte a skontrolujte štruktúru
Stlačte Previesť na Markdown a stiahnite si súbor .md, pri viacerých súboroch ZIP. Najprv si pozrite úrovne nadpisov.
PDF ukladá glyfy na pozíciách; Markdown ukladá štruktúru ako znaky: # pre nadpis, pomlčku pre položku zoznamu, zvislé čiary pre tabuľku. Prevod túto štruktúru spätne vyčíta z veľkostí písma, odsadenia a stĺpcov.
Ako prevod PDF do MD obnovuje nadpisy, zoznamy a tabuľky
Väčšina PDF nevie, že riadok je nadpis. Ak súbor nebol exportovaný ako označkované PDF (funkcia pridaná v PDF 1.4 v roku 2001 a vyžadovaná štandardom prístupnosti PDF/UA, ISO 14289), názov je len text väčším alebo hrubším písmom. Konvertor zoradí nájdené štýly písma a najväčšie opakujúce sa priradí k #, ## a ###, takže správa s jasnou hierarchiou písma dá čistú osnovu.
Zoznamy sa rozpoznávajú podľa značiek a odsadenia: odrážky sa stanú -, číslované riadky 1., hlbšie odsadenie vnorenými položkami. Text zarovnaný do stĺpcov sa zmení na tabuľku s čiarami, syntax, ktorú GitHub formalizoval v špecifikácii GFM v roku 2017; Markdown, ktorý John Gruber zverejnil v roku 2004, tabuľky vôbec nemal. Odkazy zachovajú cieľ ako [text](url).
Zlomy riadkov, ktoré vznikli len tým, že riadok narazil na okraj, sa spoja späť do odsekov. Bežná hlavička alebo číslo strany medzi dvoma odsekmi je to, čo sa zvyčajne dodatočne maže.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Odrážkové a číslované zoznamy | Odrážkové a číslované zoznamy to MD: yes | – Odrážkové a číslované zoznamy to TXT: no | Odrážkové a číslované zoznamy to DOCX: yes | Odrážkové a číslované zoznamy to HTML: yes |
| Jednoduché tabuľky | Jednoduché tabuľky to MD: yes | – Jednoduché tabuľky to TXT: no | Jednoduché tabuľky to DOCX: yes | Jednoduché tabuľky to HTML: yes |
| Zlúčené bunky tabuľky | – Zlúčené bunky tabuľky to MD: no | – Zlúčené bunky tabuľky to TXT: no | Zlúčené bunky tabuľky to DOCX: yes | Zlúčené bunky tabuľky to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Pevné rozloženie strany | – Pevné rozloženie strany to MD: no | – Pevné rozloženie strany to TXT: no | Pevné rozloženie strany to DOCX: yes | – Pevné rozloženie strany to HTML: no |
Čo prevod PDF do Markdownu nedokáže obnoviť
Portable Document Format
PDF vytvoril Adobe v roku 1993 a v roku 2008 sa stal otvoreným štandardom ISO 32000. Pevne určuje text, písma, obrázky a rozloženie, takže dokument vyzerá rovnako na každej obrazovke a tlačiarni. PDF môže obsahovať formuláre, podpisy, odkazy, prílohy a vyhľadávateľný text a variant PDF/A sa používa na dlhodobú archiváciu. Pevné rozloženie sťažuje úpravy a naskenované PDF obsahujú len obrázky, kým sa nepoužije OCR. Otvorí ich každý prehliadač aj operačný systém.
- Kompresia
- –
- Priehľadnosť
- Áno
- Animácia
- Nie
- Rok vzniku
- 1993 · Adobe
MD
Markdown
Markdown je ľahká značkovacia syntax, ktorú v roku 2004 vytvoril John Gruber. Používa symboly v čistom texte, napríklad # pre nadpisy, * pre zvýraznenie a - pre zoznamy, ktoré zostávajú čitateľné aj ako surový text a čisto sa konvertujú na HTML. Je štandardom pre súbory README, dokumentáciu, wiki, aplikácie na poznámky a mnohé generátory statických webov. Existuje niekoľko dialektov, napríklad CommonMark a GitHub Flavored Markdown, ktoré sa líšia v detailoch, ako sú tabuľky. Súbory .md otvorí každý textový editor.
- Kompresia
- –
- Priehľadnosť
- –
- Animácia
- –
- Rok vzniku
- 2004 · John Gruber
PDF sa mení na Markdown, keď má text žiť v nástrojoch na čistý text, ako je zbierka poznámok, repozitár dokumentácie alebo index pre AI, kde nadpis musí byť znak # a nie väčšie písmo.
Niektoré veci sa nikdy neuložili v podobe, ktorú možno vyčítať späť. Bočný panel medzi stĺpcami môže skončiť uprostred odseku. Rovnice sadzané ako umiestnené symboly vyjdú ako riadok znakov, nie ako LaTeX. Text nakreslený ako vektorové obrysy, bežný v logách a exportovaných snímkach, neobsahuje žiadne znaky.
Tabuľky so zlúčenými bunkami hlavičky alebo bunkami s viacerými odsekmi sa zploštia na jednoduchú mriežku, takže zložitý riadok hlavičky budete musieť prepísať ručne. Ak potrebujete iba slová, PDF do TXT dá čistý text; ak je zdroj koncept vo Worde, DOCX do Markdownu zachová viac štruktúry, pretože DOCX stále vie, ktoré odseky sú nadpisy.
Markdown pre LLM a RAG pipeline, Obsidian a Notion
RAG a LLM pipeline
Nadpisy dávajú nástroju na delenie textu prirodzené hranice úsekov, takže každý úsek si zachová názov sekcie, a Markdown míňa na značky oveľa menej tokenov než HTML.
Obsidian vaulty
Obsidian ukladá každú poznámku ako obyčajný súbor .md v priečinku na disku, takže prevedený súbor stačí vložiť priamo do vaultu.
Pracovné priestory Notion
Import Markdownu v Notione mení nadpisy, zoznamy a tabuľky na natívne bloky, čistejšie než kopírovanie z prehliadača PDF.
Pri retrieval pipeline prevádzajte s vypnutým Zachovať obrázky, pokiaľ obrázky nebude čítať vizuálny model, a pri skenoch zvoľte správny Jazyk dokumentu, aby OCR nevymýšľalo znaky, ktoré skončia vo vašom indexe. Potom skontrolujte prvé dve úrovne nadpisov: popis povýšený na ## rozdelí úseky na zvláštnych miestach a opraví to jedno nájdi a nahraď pred indexovaním. Čistý text sa dobre porovnáva aj v Gite, takže nové vydanie príručky možno porovnať vetu po vete.
Otázky o prevode PDF do Markdownu
Aký variant Markdownu zapisuje prevod PDF do MD?
Nadpisy, zoznamy, zvýraznenie a odkazy sa riadia štandardom CommonMark. Tabuľky sa zapisujú ako tabuľky s zvislými čiarami podľa GitHubu, pretože čistý CommonMark tabuľky nemá. Správne sa zobrazia na GitHube, GitLabe, v Obsidiane aj vo VS Code.
Dá sa naskenované PDF previesť do Markdownu?
Áno. Keď je Rozpoznávanie textu (OCR) nastavené na Auto, strany bez textovej vrstvy sa najprv prečítajú a štruktúra sa potom zostaví nanovo. Rovný sken s 300 DPI preto dá čistejšiu osnovu než skreslená fotka z mobilu. Ak namiesto súboru .md chcete PDF s možnosťou vyhľadávania, použite OCR PDF.
Prečo sa tučný popis zmenil na nadpis?
Nadpisy sa rozpoznávajú podľa veľkosti, hrúbky a medzier. Krátky tučný riadok osamote, napríklad popis obrázka, môže vyzerať ako nižší nadpis. Odstráňte mu značky #; zvyšok osnovy to neovplyvní.
Ako dostanem súbor Markdown do Notionu?
V bočnom paneli Notionu zvoľte Import, vyberte Text & Markdown a označte súbor. Každý nadpis # sa stane blokom nadpisu a každá tabuľka jednoduchou tabuľkou.
Prečo je súbor .md oveľa menší ako PDF?
PDF obsahuje vložené písma, obrázky a kresliace inštrukcie pre každú stranu; Markdown uchováva znaky a niekoľko symbolov. Správa s množstvom textu a veľkosťou niekoľko megabajtov má zvyčajne po prevode niekoľko stoviek kilobajtov, čo sa aj ľahšie zmestí do kontextového okna modelu.
Môžem Markdown po úprave previesť späť do PDF?
Áno. Každý editor s exportom vie opäť vytvoriť PDF a UltKit má na to konvertor Markdownu do PDF. Nové PDF používa písma a medzery renderera, nie pôvodný dizajn.
- Prevod PDF na textExtrahujte slová z ľubovoľného PDF ako čistý textový súbor v UTF-8. Skeny sa čítajú cez OCR, rozsah strán je voliteľný a zostane len text.
- Prevod PDF na TXTPrevieďte PDF na TXT online zadarmo. Digitálne strany zachovajú presné znaky, skeny prejdú OCR a výsledkom je jeden .txt v UTF-8 na každé PDF.
- Prevod PDF do WorduPrevieďte PDF do Wordu, ktorý sa dá upravovať. Text sa zalomí do odsekov, skeny prejdú OCR v 34 jazykoch, až 20 súborov naraz.
- Prevod DOCX do MarkdownPreveďte súbory Word DOCX do čistého Markdownu pre GitHub, generátory statických webov a docs-as-code. Obrázky pri .md v ZIP, 20 súborov naraz.
- Markdown do PDFPrevieďte .md a .markdown do PDF so skutočnými nadpismi, zoznamami, tabuľkami, odkazmi a kódom namiesto hviezdičiek. Záložky z nadpisov #.
- Konvertor PDF do EPUBPreveďte PDF do EPUB s plynulým textom pre Kindle, Kobo, Apple Books aj mobil. Veľkosť písma sa dá meniť, obrázky zostanú.
