PDF-ஐ Markdown ஆக மாற்ற
PDF-ஐ .md கோப்பாக மாற்றுங்கள். தலைப்புகள், பட்டியல்கள், அட்டவணைகள் Markdown தொடரியலில் எழுதப்படும். குறிப்பு வால்ட், ஆவண ரெப்போ அல்லது தேடல் (retrieval) பைப்லைனில் நேரடியாகப் பயன்படுத்தலாம்.
PDF மாற்றி
அல்லது PDF கோப்புகள் இங்கே இழுத்து விடவும் ·
ஒரு கோப்புக்கு அதிகபட்சம் 95 MB· அதிகபட்சம் 20 கோப்புகள்· 30 நிமிடங்களுக்குப் பிறகு நீக்கப்படும்
கோப்புகள் எங்கள் சேவையகங்களில் செயலாக்கப்பட்டு 30 நிமிடங்களுக்குப் பிறகு நீக்கப்படும்.
ஸ்கேன் PDF-கள் பக்கங்களின் படங்கள். தானியங்கி உரை அடுக்கு இல்லாத பக்கங்களில் மட்டும் OCR இயக்கும்; எப்போதும் என்றால் ஒவ்வொரு பக்கத்திலும் கட்டாயமாக இயக்கும்.
ஸ்கேனில் அச்சிடப்பட்டுள்ள மொழி. சரியானதைத் தேர்ந்தால் உச்சரிப்புக் குறிகள், லத்தீன் அல்லாத எழுத்துகளுக்கான துல்லியம் கணிசமாக மேம்படும்.
ஓடும் உரை எளிதில் திருத்தக்கூடிய இயல்பான பத்திகளாக மாறும். துல்லிய அமைப்பு ஒவ்வொரு தொகுதியையும் இருந்த இடத்திலேயே வைக்கும்; அப்படியே தெரியும், ஆனால் திருத்துவது கடினம்.
கண்டறியப்பட்ட அட்டவணைகள் பணிப்புத்தகத்தில் எங்கு செல்லும் என்பது.
பக்க எண்கள் அல்லது வரம்புகளை காற்புள்ளியால் பிரித்து உள்ளிடுங்கள்; எ.கா. 1-3, 5, 8-10.
இந்தக் கருவியை எப்படிப் பயன்படுத்துவது
- 1
PDF-ஐச் சேர்க்கவும்
ஒவ்வொன்றும் 95 MB வரை உள்ள 20 PDF-கள் வரை இழுத்து விடுங்கள். உரை அறிதல் (OCR) தானியங்கி நிலையில் இருக்கும்போது ஸ்கேன் செய்த பக்கங்கள் OCR மூலம் படிக்கப்படும்.
- 2
படங்களையும் பக்கங்களையும் தேர்வு செய்யவும்
படங்களை வைத்திரு இயக்கத்தில் உள்ளதால் படங்களும் சேர்ந்து வரும். உரை மட்டும் வேண்டுமெனில் அதை அணைத்து, அட்டைப் பக்கம் அல்லது பிற்சேர்க்கையைத் தவிர்க்க மாற்ற வேண்டிய பக்கங்கள் பயன்படுத்துங்கள்.
- 3
மாற்றி, கட்டமைப்பைச் சரிபார்க்கவும்
Markdown ஆக மாற்று அழுத்தி .md கோப்பைப் பதிவிறக்குங்கள்; பல கோப்புகளுக்கு ZIP கிடைக்கும். முதலில் தலைப்பு நிலைகளைப் பார்த்துக்கொள்ளுங்கள்.
PDF எழுத்துருக்களை இடங்களில் சேமிக்கிறது; Markdown கட்டமைப்பை எழுத்துகளாகச் சேமிக்கிறது: தலைப்புக்கு #, பட்டியல் உருப்படிக்கு கோடு, அட்டவணைக்கு pipe. மாற்றும்போது எழுத்துரு அளவுகள், உள்தள்ளல்கள், நெடுவரிசைகளிலிருந்து அந்தக் கட்டமைப்பு மீண்டும் படிக்கப்படுகிறது.
PDF to MD மாற்றம் தலைப்புகள், பட்டியல்கள், அட்டவணைகளை எப்படி மீண்டும் உருவாக்குகிறது
பெரும்பாலான PDF-களுக்கு ஒரு வரி தலைப்பு என்பது தெரியாது. 2001-இல் PDF 1.4-இல் சேர்க்கப்பட்டு PDF/UA அணுகல் தரநிலையால் (ISO 14289) தேவைப்படும் tagged PDF ஆக ஏற்றுமதி செய்யப்படாவிட்டால், தலைப்பு என்பது பெரிய அல்லது தடித்த எழுத்துருவில் உள்ள உரை மட்டுமே. மாற்றி கண்டறியும் எழுத்து பாணிகளை வரிசைப்படுத்தி, மீண்டும் மீண்டும் வரும் பெரியவற்றை #, ##, ### ஆக மாற்றுகிறது; எனவே தெளிவான எழுத்து அடுக்கு உள்ள அறிக்கை நேர்த்தியான அமைப்புடன் வரும்.
பட்டியல்கள் குறிகள், உள்தள்ளல்களிலிருந்து அடையாளம் காணப்படுகின்றன: புள்ளிகள் - ஆகவும், எண்ணிட்ட வரிகள் 1. ஆகவும், ஆழமான உள்தள்ளல்கள் உள்ளமை உருப்படிகளாகவும் மாறும். நெடுவரிசைகளில் சீரமைக்கப்பட்ட உரை pipe அட்டவணையாகும்; இந்த வடிவத்தை GitHub 2017-இல் GFM விவரக்குறிப்பில் முறைப்படுத்தியது, 2004-இல் John Gruber வெளியிட்ட Markdown-இல் அட்டவணைகளே இல்லை. இணைப்புகள் இலக்குகளுடன் [text](url) ஆக இருக்கும்.
வரி ஓரத்தை அடைந்ததால் மட்டுமே இருந்த வரி முறிவுகள் மீண்டும் பத்திகளாக இணைக்கப்படும். இரு பத்திகளுக்கு இடையே வரும் தலைப்புப் பகுதி அல்லது பக்க எண்ணை பின்னர் நீக்குவது வழக்கம்.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| புள்ளி மற்றும் எண் பட்டியல்கள் | புள்ளி மற்றும் எண் பட்டியல்கள் to MD: yes | – புள்ளி மற்றும் எண் பட்டியல்கள் to TXT: no | புள்ளி மற்றும் எண் பட்டியல்கள் to DOCX: yes | புள்ளி மற்றும் எண் பட்டியல்கள் to HTML: yes |
| எளிய அட்டவணைகள் | எளிய அட்டவணைகள் to MD: yes | – எளிய அட்டவணைகள் to TXT: no | எளிய அட்டவணைகள் to DOCX: yes | எளிய அட்டவணைகள் to HTML: yes |
| இணைக்கப்பட்ட அட்டவணைக் கலங்கள் | – இணைக்கப்பட்ட அட்டவணைக் கலங்கள் to MD: no | – இணைக்கப்பட்ட அட்டவணைக் கலங்கள் to TXT: no | இணைக்கப்பட்ட அட்டவணைக் கலங்கள் to DOCX: yes | இணைக்கப்பட்ட அட்டவணைக் கலங்கள் to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| நிலையான பக்க அமைப்பு | – நிலையான பக்க அமைப்பு to MD: no | – நிலையான பக்க அமைப்பு to TXT: no | நிலையான பக்க அமைப்பு to DOCX: yes | – நிலையான பக்க அமைப்பு to HTML: no |
PDF-ஐ Markdown ஆக மாற்றும்போது மீட்க முடியாதவை
Portable Document Format
PDF-ஐ Adobe 1993-இல் உருவாக்கியது; 2008-இல் திறந்த ISO 32000 தரநிலையானது. உரை, எழுத்துருக்கள், படங்கள், அமைப்பை நிலைப்படுத்துவதால் ஆவணம் ஒவ்வொரு திரையிலும் அச்சுப்பொறியிலும் ஒரே மாதிரி தெரியும். PDF-களில் படிவங்கள், கையொப்பங்கள், இணைப்புகள், இணைப்புக் கோப்புகள், தேடக்கூடிய உரை இருக்கலாம்; PDF/A வகை நீண்டகால காப்பகத்துக்குப் பயன்படுகிறது. நிலையான அமைப்பால் PDF-ஐத் திருத்துவது கடினம்; ஸ்கேன் செய்த PDF-களில் OCR பயன்படுத்தாவிட்டால் படங்கள் மட்டுமே இருக்கும். ஒவ்வொரு உலாவியும் இயக்க முறைமையும் இவற்றைத் திறக்கும்.
- சுருக்கம்
- –
- ஒளி ஊடுருவும் தன்மை
- ஆம்
- அனிமேஷன்
- இல்லை
- அறிமுகமான ஆண்டு
- 1993 · Adobe
MD
Markdown
Markdown என்பது 2004-இல் John Gruber உருவாக்கிய எளிய மார்க்அப் தொடரியல். தலைப்புகளுக்கு #, அழுத்தத்திற்கு *, பட்டியல்களுக்கு - போன்ற எளிய உரைக் குறியீடுகளைப் பயன்படுத்துகிறது; அவை அப்படியே படிக்கக்கூடியவை, HTML ஆகவும் தெளிவாக மாறும். README கோப்புகள், ஆவணங்கள், விக்கிகள், குறிப்புச் செயலிகள் மற்றும் பல ஸ்டாடிக் தளம் உருவாக்கிகளில் இதுவே தரநிலை. CommonMark, GitHub Flavored Markdown போன்ற பல வகைகள் உள்ளன; அட்டவணைகள் போன்ற விவரங்களில் அவை வேறுபடும். எந்த உரை எடிட்டரிலும் .md கோப்புகளைத் திறக்கலாம்.
- சுருக்கம்
- –
- ஒளி ஊடுருவும் தன்மை
- –
- அனிமேஷன்
- –
- அறிமுகமான ஆண்டு
- 2004 · John Gruber
குறிப்புக் களஞ்சியம், ஆவண repo, AI தேடல் குறியீடு போன்ற எளிய உரைக் கருவிகளில் உரை இருக்க வேண்டியபோது, தலைப்பு என்பது பெரிய எழுத்துருவாக அல்லாமல் # ஆக இருக்க வேண்டும் என்பதால் PDF-ஐ Markdown ஆக மாற்றுகிறார்கள்.
சில விஷயங்கள் மீண்டும் படிக்கக்கூடிய வடிவில் சேமிக்கப்படவே இல்லை. நெடுவரிசைகளுக்கு இடையே உள்ள பக்கப்பட்டி பத்தியின் நடுவில் வந்துவிடலாம். இடத்தில் வைக்கப்பட்ட குறியீடுகளாக அச்சிட்ட சமன்பாடுகள் LaTeX ஆக அல்ல, எழுத்து வரிசையாக வரும். லோகோக்கள், ஏற்றுமதி செய்த ஸ்லைடுகளில் பொதுவான வெக்டர் வெளிக்கோடுகளாக வரையப்பட்ட உரையில் எழுத்துகளே இருக்காது.
இணைக்கப்பட்ட தலைப்புக் கலங்கள் அல்லது பல பத்தி கலங்கள் உள்ள அட்டவணைகள் எளிய கட்டமாகத் தட்டையாக்கப்படும்; சிக்கலான தலைப்பு வரிசையை கையால் மாற்றி எழுத வேண்டியிருக்கும். சொற்கள் மட்டும் வேண்டுமெனில் PDF to TXT எளிய உரை தரும்; மூலம் Word வரைவு என்றால், எந்தப் பத்திகள் தலைப்புகள் என்பது DOCX-க்குத் தெரியும் என்பதால் DOCX to Markdown அதிக கட்டமைப்பைப் பாதுகாக்கும்.
LLM, RAG பைப்லைன்கள், Obsidian, Notion-க்கான Markdown
RAG மற்றும் LLM செயல்முறைகள்
தலைப்புகள் text splitter-க்கு இயல்பான துண்டு எல்லைகளைத் தருவதால் ஒவ்வொரு துண்டும் தன் பிரிவுத் தலைப்பை வைத்திருக்கும்; HTML-ஐ விட Markdown குறியீட்டுக்கு மிகக் குறைவான token-களையே செலவிடுகிறது.
Obsidian களஞ்சியங்கள்
Obsidian ஒவ்வொரு குறிப்பையும் உங்கள் வட்டில் உள்ள ஃபோல்டரில் எளிய .md கோப்பாக வைக்கிறது; எனவே மாற்றிய கோப்பை நேரடியாக vault-இல் போடலாம்.
Notion பணியிடங்கள்
Notion-இன் Markdown இறக்குமதி தலைப்புகள், பட்டியல்கள், pipe அட்டவணைகளை இயல்பான தொகுதிகளாக மாற்றும்; PDF பார்வையாளரிலிருந்து ஒட்டுவதை விட நேர்த்தியானது.
தேடல் செயல்முறைக்கு, vision மாடல் படங்களைப் படிக்கப் போகாவிட்டால் படங்களை வைத்திரு அணைத்து மாற்றுங்கள்; ஸ்கேன்களுக்கு சரியான ஆவண மொழி தேர்ந்தெடுங்கள், அப்போது OCR உங்கள் குறியீட்டில் சேரும் எழுத்துகளைத் தானே உருவாக்காது. பின்னர் முதல் இரு தலைப்பு நிலைகளைச் சரிபாருங்கள்: ## ஆக உயர்ந்த விளக்கம் துண்டுகளை விசித்திரமான இடங்களில் பிரிக்கும்; குறியீட்டுக்கு முன் ஒரு find-and-replace அதைச் சரிசெய்யும். எளிய உரை Git-இலும் தெளிவாக வேறுபடுவதால், கையேட்டின் புதிய பதிப்பை வாக்கியம் வாக்கியமாக ஒப்பிடலாம்.
PDF to Markdown பற்றிய கேள்விகள்
PDF to MD மாற்றி எந்த Markdown வகையில் எழுதுகிறது?
தலைப்புகள், பட்டியல்கள், அழுத்தம் மற்றும் இணைப்புகள் CommonMark முறையைப் பின்பற்றுகின்றன. சாதாரண CommonMark-இல் அட்டவணை வடிவம் இல்லாததால், அட்டவணைகள் GitHub-flavored pipe அட்டவணைகளாக எழுதப்படும். இது GitHub, GitLab, Obsidian, VS Code ஆகியவற்றில் சரியாகத் தெரியும்.
ஸ்கேன் செய்த PDF-ஐ Markdown ஆக மாற்ற முடியுமா?
ஆம். உரை அறிதல் (OCR) தானியங்கி நிலையில் இருந்தால், உரை அடுக்கு இல்லாத பக்கங்கள் முதலில் படிக்கப்பட்டு பின்னர் கட்டமைப்பு மீண்டும் உருவாக்கப்படும். எனவே சாய்ந்த போன் படத்தை விட தட்டையான 300 DPI ஸ்கேன் தெளிவான அமைப்பைத் தரும். .md கோப்புக்குப் பதிலாக தேடக்கூடிய PDF வேண்டுமெனில் OCR PDF பயன்படுத்துங்கள்.
தடித்த எழுத்தில் இருந்த படக்குறிப்பு ஏன் தலைப்பாக மாறியது?
தலைப்புகள் அளவு, தடிமன், இடைவெளி ஆகியவற்றைக் கொண்டு கண்டறியப்படுகின்றன. படத்தின் விளக்கம் போல தனியாக நிற்கும் குறுகிய தடித்த வரி சிறிய தலைப்பு போலவே தோன்றலாம். அதன் # குறிகளை நீக்கிவிடுங்கள்; மற்ற அமைப்பு பாதிக்கப்படாது.
Markdown கோப்பை Notion-இல் எப்படிச் சேர்ப்பது?
Notion பக்கப்பட்டியில் Import தேர்ந்து, Text & Markdown தேர்வுசெய்து கோப்பைத் தேர்ந்தெடுங்கள். ஒவ்வொரு # தலைப்பும் தலைப்புத் தொகுதியாகவும், ஒவ்வொரு pipe அட்டவணையும் எளிய அட்டவணையாகவும் மாறும்.
.md கோப்பு PDF-ஐ விட ஏன் இவ்வளவு சிறியதாக உள்ளது?
PDF ஒவ்வொரு பக்கத்திற்கும் உட்பொதிந்த எழுத்துருக்கள், படங்கள், வரைதல் கட்டளைகளைக் கொண்டுள்ளது; Markdown எழுத்துகளையும் சில குறியீடுகளையும் மட்டுமே வைத்திருக்கும். பல மெகாபைட் உள்ள உரை மிகுந்த அறிக்கை பொதுவாக சில நூறு கிலோபைட் Markdown ஆகும்; இது மாடலின் context window-வில் எளிதாகப் பொருந்தும்.
திருத்திய பிறகு Markdown-ஐ மீண்டும் PDF ஆக மாற்ற முடியுமா?
ஆம். ஏற்றுமதி செய்யும் எந்த எடிட்டரும் மீண்டும் PDF உருவாக்கலாம்; இதற்கு UltKit-இல் Markdown to PDF மாற்றி உள்ளது. புதிய PDF அசல் வடிவமைப்பை அல்ல, renderer-இன் எழுத்துருக்களையும் இடைவெளியையும் பயன்படுத்தும்.
- PDF-ஐ உரையாக மாற்றஎந்த PDF-இலிருந்தும் சொற்களை சுத்தமான UTF-8 உரைக் கோப்பாக எடுக்கலாம். ஸ்கேன்கள் OCR மூலம் படிக்கப்படும், பக்க வரம்பு விருப்பத்தேர்வு.
- PDF to TXT மாற்றிPDF-ஐ TXT உரைக் கோப்பாக இலவசமாக மாற்றுங்கள். டிஜிட்டல் பக்கங்கள் அப்படியே, ஸ்கேன் பக்கங்களுக்கு OCR; ஒவ்வொரு PDF-க்கும் ஒரு UTF-8 .txt கோப்பு.
- PDF-ஐ Word ஆக மாற்றPDF-ஐ திருத்தக்கூடிய Word ஆக மாற்றுங்கள். உரை சாதாரண பத்திகளாக வரும், ஸ்கேன் பக்கங்களுக்கு 34 மொழிகளில் OCR, ஒரே நேரத்தில் 20 கோப்புகள்.
- DOCX-ஐ Markdown ஆக மாற்றும் கருவிWord DOCX கோப்புகளை GitHub, static site generators, docs-as-code-க்கான சுத்தமான Markdown ஆக மாற்றுங்கள். படங்கள் .md அருகில் ZIP-இல், ஒரு முறைக்கு 20 கோப்புகள்.
- Markdown-ஐ PDF ஆக மாற்ற.md, .markdown கோப்பை PDF ஆக மாற்றுங்கள்: தலைப்புகள், பட்டியல்கள், அட்டவணைகள், கோட் பிளாக்குகள் சரியாக; # தலைப்புகள் புக்மார்க்குகளாகும்.
- PDF-ஐ EPUB ஆக மாற்றிKindle, Kobo, Apple Books, போன் திரைகளுக்கு ஏற்ப மாறும் EPUB ஆக PDF-ஐ மாற்றுங்கள். எழுத்து அளவை மாற்றலாம், படங்கள் அப்படியே இருக்கும்.
