PDF నుండి Markdown కన్వర్టర్
PDFని హెడింగ్‌లు, లిస్ట్‌లు, టేబుల్స్ Markdown సింటాక్స్‌లో ఉండే .md ఫైల్‌గా మార్చండి. నోట్స్ వాల్ట్, డాక్స్ రిపోజిటరీ లేదా రిట్రీవల్ పైప్‌లైన్‌కు వెంటనే సిద్ధం.
PDF కన్వర్టర్
లేదా PDF ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
స్కాన్ చేసిన PDFలు పేజీల చిత్రాలు. ఆటో టెక్స్ట్ లేయర్ లేని పేజీలపై మాత్రమే OCR నడుపుతుంది; ఎల్లప్పుడూ అన్ని పేజీలకూ బలవంతంగా నడుపుతుంది.
స్కాన్‌లో ముద్రించిన భాష. సరైనది ఎంచుకుంటే ఉచ్చారణ చిహ్నాలు, లాటిన్ కాని లిపులకు కచ్చితత్వం గణనీయంగా పెరుగుతుంది.
ప్రవహించే టెక్స్ట్ సులభంగా సవరించగల సాధారణ పేరాలుగా మారుతుంది. కచ్చితమైన లేఅవుట్ ప్రతి బ్లాక్ను ఉన్న చోటే ఉంచుతుంది, అది అచ్చం అలాగే కనిపిస్తుంది కానీ సవరించడం కష్టం.
గుర్తించిన పట్టికలు వర్క్బుక్లో ఎక్కడ ఉండాలి.
పేజీ సంఖ్యలు లేదా శ్రేణులను కామాలతో వేరు చేయండి, ఉదా. 1-3, 5, 8-10.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
PDFని జోడించండి
ఒక్కొక్కటి 95 MB వరకు ఉన్న 20 PDFల వరకు వేయండి. టెక్స్ట్ గుర్తింపు (OCR) Autoలో ఉన్నంత వరకు స్కాన్ చేసిన పేజీలను OCRతో చదువుతుంది.
- 2
ఇమేజ్లు, పేజీలు ఎంచుకోండి
ఇమేజ్‌లను ఉంచండి ఆన్‌లో ఉంది, కాబట్టి చిత్రాలు కూడా వస్తాయి. టెక్స్ట్ మాత్రమే కావాలంటే దాన్ని ఆఫ్ చేయండి, కవర్ లేదా అనుబంధాన్ని వదిలేయడానికి మార్చవలసిన పేజీలు ఉపయోగించండి.
- 3
మార్చి, అవుట్లైన్ తనిఖీ చేయండి
Markdownకు మార్చండి నొక్కి .md ఫైల్ను డౌన్‌లోడ్ చేయండి, ఒకటి కంటే ఎక్కువ అయితే ZIP వస్తుంది. ముందుగా హెడ్డింగ్ స్థాయిలను ఒకసారి చూడండి.
PDF అక్షరాలను స్థానాల్లో నిల్వ చేస్తుంది; Markdown నిర్మాణాన్ని అక్షరాలుగా నిల్వ చేస్తుంది: హెడ్డింగ్‌కు #, జాబితా అంశానికి డ్యాష్, టేబుల్‌కు పైప్స్. మార్పిడిలో ఫాంట్ సైజ్‌లు, ఇండెంట్లు, కాలమ్‌ల నుండి ఆ నిర్మాణాన్ని తిరిగి చదువుతారు.
PDF నుండి MD మార్పిడి హెడింగ్‌లు, లిస్ట్‌లు, టేబుల్స్‌ను ఎలా పునర్నిర్మిస్తుంది
చాలా PDFలకు ఒక లైన్ హెడ్డింగ్ అని తెలియదు. 2001లో PDF 1.4తో వచ్చి PDF/UA యాక్సెసిబిలిటీ ప్రమాణం (ISO 14289)కు అవసరమైన ట్యాగ్డ్ PDFగా ఎగుమతి చేస్తే తప్ప, శీర్షిక అంటే పెద్ద లేదా మందమైన ఫాంట్‌లోని టెక్స్ట్ మాత్రమే. కన్వర్టర్ కనిపించే టైప్ స్టైల్స్‌ను ర్యాంక్ చేసి, పదేపదే వచ్చే పెద్దవాటిని #, ##, ###కు మ్యాప్ చేస్తుంది, కాబట్టి స్పష్టమైన టైప్ హైరార్కీ ఉన్న రిపోర్ట్ శుభ్రమైన అవుట్‌లైన్‌తో వస్తుంది.
జాబితాలను మార్కర్లు, ఇండెంట్ల నుండి గుర్తిస్తారు: బుల్లెట్లు -గా, నంబర్ లైన్లు 1.గా, లోతైన ఇండెంట్లు నెస్టెడ్ అంశాలుగా మారతాయి. కాలమ్‌లలో అమర్చిన టెక్స్ట్ పైప్ టేబుల్ అవుతుంది; ఈ సింటాక్స్‌ను GitHub 2017లో GFM స్పెసిఫికేషన్‌లో అధికారికం చేసింది, 2004లో John Gruber ప్రచురించిన Markdownలో టేబుల్స్ అసలే లేవు. లింక్లు తమ గమ్యాన్ని [text](url)గా ఉంచుకుంటాయి.
లైన్ మార్జిన్‌ను తాకడం వల్ల మాత్రమే ఏర్పడిన లైన్ బ్రేక్‌లను తిరిగి పేరాగ్రాఫ్‌లుగా కలుపుతారు. రెండు పేరాగ్రాఫ్‌ల మధ్య వచ్చే రన్నింగ్ హెడర్ లేదా పేజీ నంబర్‌ను తర్వాత తొలగించడం సాధారణం.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| బుల్లెట్, నంబర్ జాబితాలు | బుల్లెట్, నంబర్ జాబితాలు to MD: yes | – బుల్లెట్, నంబర్ జాబితాలు to TXT: no | బుల్లెట్, నంబర్ జాబితాలు to DOCX: yes | బుల్లెట్, నంబర్ జాబితాలు to HTML: yes |
| సాధారణ టేబుల్స్ | సాధారణ టేబుల్స్ to MD: yes | – సాధారణ టేబుల్స్ to TXT: no | సాధారణ టేబుల్స్ to DOCX: yes | సాధారణ టేబుల్స్ to HTML: yes |
| విలీనం చేసిన టేబుల్ సెల్స్ | – విలీనం చేసిన టేబుల్ సెల్స్ to MD: no | – విలీనం చేసిన టేబుల్ సెల్స్ to TXT: no | విలీనం చేసిన టేబుల్ సెల్స్ to DOCX: yes | విలీనం చేసిన టేబుల్ సెల్స్ to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| స్థిర పేజీ లేఅవుట్ | – స్థిర పేజీ లేఅవుట్ to MD: no | – స్థిర పేజీ లేఅవుట్ to TXT: no | స్థిర పేజీ లేఅవుట్ to DOCX: yes | – స్థిర పేజీ లేఅవుట్ to HTML: no |
PDF నుండి Markdown కన్వర్టర్ తిరిగి పొందలేనివి
Portable Document Format
PDFని Adobe 1993లో రూపొందించింది, 2008లో ఓపెన్ ISO 32000 ప్రమాణంగా మారింది. ఇది టెక్స్ట్, ఫాంట్లు, చిత్రాలు, లేఅవుట్‌ను స్థిరపరుస్తుంది, కాబట్టి పత్రం ప్రతి స్క్రీన్, ప్రింటర్‌లో ఒకేలా కనిపిస్తుంది. PDFలలో ఫారమ్‌లు, సంతకాలు, లింకులు, అటాచ్‌మెంట్లు, శోధించగల టెక్స్ట్ ఉండవచ్చు, PDF/A రకాన్ని దీర్ఘకాల ఆర్కైవింగ్‌కు వాడతారు. స్థిర లేఅవుట్ వల్ల PDFలను ఎడిట్ చేయడం కష్టం, స్కాన్ చేసిన PDFలలో OCR వర్తింపజేయకపోతే చిత్రాలు మాత్రమే ఉంటాయి. ప్రతి బ్రౌజర్, ఆపరేటింగ్ సిస్టమ్ వీటిని తెరవగలదు.
- కంప్రెషన్
- –
- పారదర్శకత
- అవును
- యానిమేషన్
- కాదు
- పరిచయమైన సంవత్సరం
- 1993 · Adobe
MD
Markdown
Markdown అనేది 2004లో John Gruber రూపొందించిన తేలికపాటి మార్కప్ సింటాక్స్. శీర్షికలకు #, ఎమ్ఫసిస్‌కు *, జాబితాలకు - వంటి సాదా టెక్స్ట్ చిహ్నాలను వాడుతుంది; ఇవి రా టెక్స్ట్‌గా చదవడానికి వీలుగా ఉండి, HTMLగా శుభ్రంగా మారతాయి. README ఫైళ్లు, డాక్యుమెంటేషన్, వికీలు, నోట్ యాప్‌లు, అనేక స్టాటిక్ సైట్ జెనరేటర్లకు ఇదే ప్రమాణం. CommonMark, GitHub Flavored Markdown వంటి అనేక రకాలు ఉన్నాయి; పట్టికల వంటి వివరాల్లో ఇవి భిన్నంగా ఉంటాయి. ఏ టెక్స్ట్ ఎడిటర్ అయినా .md ఫైళ్లను తెరవగలదు.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- 2004 · John Gruber
నోట్స్ వాల్ట్, డాక్స్ రిపో, AI రిట్రీవల్ ఇండెక్స్ వంటి ప్లెయిన్-టెక్స్ట్ టూల్స్‌లో హెడ్డింగ్ పెద్ద ఫాంట్ కాకుండా # గా ఉండాలి, అందుకే PDFని Markdownగా మారుస్తారు.
కొన్నింటిని తిరిగి చదవగల రూపంలో ఎప్పుడూ నిల్వ చేయరు. కాలమ్‌ల మధ్య ఉన్న సైడ్‌బార్ పేరాగ్రాఫ్ మధ్యలోకి చేరవచ్చు. స్థానాల్లో ఉంచిన చిహ్నాలుగా టైప్‌సెట్ చేసిన సమీకరణాలు LaTeX కాకుండా అక్షరాల వరుసగా వస్తాయి. లోగోలు, ఎగుమతి చేసిన స్లైడ్‌లలో సాధారణమైన వెక్టర్ అవుట్‌లైన్‌లుగా గీసిన టెక్స్ట్‌లో అక్షరాలే ఉండవు.
విలీనం చేసిన హెడర్ సెల్స్ లేదా బహుళ-పేరాగ్రాఫ్ సెల్స్ ఉన్న టేబుల్స్ సాధారణ గ్రిడ్‌గా చదునవుతాయి, కాబట్టి సంక్లిష్టమైన హెడర్ వరుసను చేతితో తిరిగి రాయాల్సి రావచ్చు. పదాలు మాత్రమే కావాలంటే PDF to TXT ప్లెయిన్ టెక్స్ట్ ఇస్తుంది; మీ మూలం Word డ్రాఫ్ట్ అయితే DOCX to Markdown ఎక్కువ నిర్మాణాన్ని ఉంచుతుంది, ఎందుకంటే DOCXకు ఏ పేరాగ్రాఫ్‌లు హెడ్డింగ్‌లో తెలుసు.
LLM, RAG పైప్‌లైన్‌లు, Obsidian, Notion కోసం Markdown
RAG మరియు LLM పైప్‌లైన్‌లు
హెడ్డింగ్లు టెక్స్ట్ స్ప్లిటర్‌కు సహజమైన చంక్ సరిహద్దులు ఇస్తాయి, కాబట్టి ప్రతి చంక్ తన సెక్షన్ శీర్షికను ఉంచుకుంటుంది, పైగా HTML కంటే Markdown మార్కప్‌కు చాలా తక్కువ టోకెన్లు ఖర్చు చేస్తుంది.
Obsidian వాల్ట్‌లు
Obsidian ప్రతి నోట్‌ను మీ డిస్క్‌లోని ఫోల్డర్‌లో సాధారణ .md ఫైల్‌గా ఉంచుతుంది, కాబట్టి మార్చిన ఫైల్ నేరుగా వాల్ట్‌లో పడిపోతుంది.
Notion వర్క్‌స్పేస్‌లు
Notion Markdown ఇంపోర్ట్ హెడ్డింగ్లు, జాబితాలు, పైప్ టేబుల్స్‌ను స్థానిక బ్లాక్‌లుగా మారుస్తుంది, PDF వ్యూయర్ నుండి పేస్ట్ చేయడం కంటే శుభ్రంగా ఉంటుంది.
రిట్రీవల్ పైప్‌లైన్ కోసం, విజన్ మోడల్ ఫిగర్‌లను చదివితే తప్ప ఇమేజ్‌లను ఉంచండి ఆఫ్ చేసి మార్చండి, స్కాన్‌ల కోసం సరైన డాక్యుమెంట్ భాష ఎంచుకోండి, లేకపోతే OCR మీ ఇండెక్స్‌లో చేరే అక్షరాలను కల్పిస్తుంది. తర్వాత మొదటి రెండు హెడ్డింగ్ స్థాయిలను తనిఖీ చేయండి: ##గా మారిన క్యాప్షన్ చంక్‌లను వింత చోట్ల విడగొడుతుంది, ఇండెక్సింగ్ ముందు ఒక ఫైండ్-అండ్-రీప్లేస్‌తో సరిచేయవచ్చు. ప్లెయిన్ టెక్స్ట్ Gitలో కూడా శుభ్రంగా డిఫ్ అవుతుంది, కాబట్టి మాన్యువల్ కొత్త ఎడిషన్‌ను వాక్యం వాక్యంగా పోల్చవచ్చు.
PDF నుండి Markdown: తరచూ అడిగే ప్రశ్నలు
PDF నుండి MD కన్వర్టర్ ఏ Markdown ఫ్లేవర్లో రాస్తుంది?
హెడ్డింగ్లు, జాబితాలు, ఎంఫసిస్, లింక్లు CommonMarkను అనుసరిస్తాయి. సాధారణ CommonMarkలో టేబుల్ సింటాక్స్ లేదు కాబట్టి టేబుల్స్ GitHub-flavored పైప్ టేబుల్స్గా రాస్తాము. ఇవి GitHub, GitLab, Obsidian, VS Codeలో సరిగ్గా కనిపిస్తాయి.
స్కాన్ చేసిన PDFని Markdownగా మార్చవచ్చా?
అవును. టెక్స్ట్ గుర్తింపు (OCR) Autoలో ఉంటే, టెక్స్ట్ లేయర్ లేని పేజీలను ముందు చదివి, తర్వాత నిర్మాణాన్ని తిరిగి రూపొందిస్తుంది. అందుకే వంకరగా తీసిన ఫోన్ ఫోటో కంటే నేరుగా ఉన్న 300 DPI స్కాన్ మెరుగైన అవుట్లైన్ ఇస్తుంది. .md ఫైల్ బదులు శోధించగల PDF కావాలంటే OCR PDF ఉపయోగించండి.
బోల్డ్ క్యాప్షన్ హెడింగ్గా ఎందుకు మారింది?
హెడ్డింగ్లను సైజ్, బరువు, ఖాళీల ఆధారంగా గుర్తిస్తారు. ఫిగర్ క్యాప్షన్ వంటి ఒంటరి చిన్న బోల్డ్ లైన్ చిన్న హెడ్డింగ్లా కనిపించవచ్చు. దాని # గుర్తులను తొలగించండి; మిగతా అవుట్లైన్పై ప్రభావం ఉండదు.
Markdown ఫైల్ను Notionలోకి ఎలా తీసుకురావాలి?
Notion సైడ్బార్లో Import ఎంచుకుని, Text & Markdown ఎంచుకొని ఫైల్ను ఎంచుకోండి. ప్రతి # హెడ్డింగ్ హెడ్డింగ్ బ్లాక్గా, ప్రతి పైప్ టేబుల్ సాధారణ టేబుల్గా మారుతుంది.
.md ఫైల్ PDF కంటే ఎందుకు చాలా చిన్నగా ఉంటుంది?
PDFలో ప్రతి పేజీకి ఎంబెడ్ చేసిన ఫాంట్లు, ఇమేజ్లు, డ్రాయింగ్ సూచనలు ఉంటాయి; Markdown అక్షరాలను, కొన్ని చిహ్నాలను మాత్రమే ఉంచుతుంది. కొన్ని మెగాబైట్ల టెక్స్ట్ ఎక్కువగా ఉన్న రిపోర్ట్ సాధారణంగా కొన్ని వందల కిలోబైట్ల Markdownగా మారుతుంది, ఇది మోడల్ కాంటెక్స్ట్ విండోలో కూడా సులభంగా ఇమిడిపోతుంది.
ఎడిట్ చేసిన తర్వాత Markdownను మళ్లీ PDFగా మార్చవచ్చా?
అవును. ఎగుమతి చేయగల ఏ ఎడిటర్ అయినా మళ్లీ PDF తయారు చేయగలదు, ఈ తిరుగు ప్రయాణానికి UltKitలో Markdown to PDF కన్వర్టర్ ఉంది. కొత్త PDF అసలు డిజైన్‌ను కాకుండా రెండరర్ ఫాంట్లు, ఖాళీలను వాడుతుంది.
- PDF నుండి టెక్స్ట్ కన్వర్టర్ఏ PDF నుండైనా పదాలను శుభ్రమైన UTF-8 టెక్స్ట్ ఫైల్‌గా తీయండి. స్కాన్లను OCRతో చదువుతుంది, పేజీ పరిధి ఐచ్ఛికం, టెక్స్ట్ మాత్రమే మిగులుతుంది.
- PDF నుండి TXT కన్వర్టర్PDFని TXTగా ఆన్లైన్లో ఉచితంగా మార్చండి. డిజిటల్ పేజీల అక్షరాలు యథాతథంగా, స్కాన్ పేజీలు OCR ద్వారా; ప్రతి PDFకి ఒక UTF-8 .txt ఫైల్.
- PDF నుండి Word కన్వర్టర్PDFని నిజంగా ఎడిట్ చేయగల Wordగా మార్చండి. టెక్స్ట్ సాధారణ పేరాలుగా వస్తుంది, స్కాన్ పేజీలకు 34 భాషల్లో OCR, ఒకేసారి 20 ఫైళ్ల వరకు.
- DOCX నుండి Markdown కన్వర్టర్Word DOCX ఫైళ్లను GitHub, స్టాటిక్ సైట్ జనరేటర్లు, docs-as-code కోసం శుభ్రమైన Markdownగా మార్చండి. ఇమేజ్లు .md పక్కనే ZIPలో, ఒకేసారి 20 ఫైళ్లు.
- Markdown నుండి PDF.md, .markdown ఫైళ్లను PDFగా మార్చండి: ఆస్టరిస్క్లు కాదు, హెడింగ్‌లు, లిస్ట్‌లు, టేబుల్స్, లింక్లు, కోడ్ బ్లాక్లు. # హెడింగ్లతో బుక్మార్క్లు.
- PDF నుండి EPUB కన్వర్టర్PDFని Kindle, Kobo, Apple Books, ఫోన్ స్క్రీన్లకు సరిపోయే రీఫ్లోయబుల్ EPUBగా మార్చండి. ఫాంట్ సైజ్ మార్చుకోవచ్చు, చిత్రాలు అలాగే ఉంటాయి.
