pdfMB

PDFをMarkdownに変換

PDFを、見出し・リスト・表・リンクつきのMarkdownに変換します。コピーするか.mdファイルでダウンロードできます。ファイルはこの端末の中にとどまります。

  • アップロードなしファイルはこの端末の中にとどまります。
  • 元のファイルはそのままダウンロードするのは新しいコピーです。元のファイルは変更されません。
  • 無料・登録不要アカウント不要で、回数制限もありません。

ファイルはどう処理されるか

以下はすべて、お使いの端末のブラウザの中で行われます。PDFはアップロードされないため、私たちを含め誰も見ることはできません。

  1. ブラウザがFirefox内蔵のPDFビューア、pdf.jsでPDFを開き、すべての文字を位置、フォント、サイズ、太字、斜体の情報とともに読み取ります。
  2. 同じ行にある文字をつないで行にし、行をつないで段落にします。行末でハイフンにより分かれた単語も元どおりにつなぎます。
  3. 2段組みや3段組みのページは段ごとに読み取るので、別々の段の文章が1行ずつ混ざることはありません。
  4. 本文よりはっきり大きい文字は見出しになります。タイトルは #、セクションは ## と ### です。短い太字の行も見出しになります。
  5. 行頭に記号や番号がある行はMarkdownのリストになります。罫線で描かれた表や、タブでそろえた行は、1行が1行に対応するMarkdownの表になります。
  6. 太字と斜体は **太字** と *斜体* として残ります。PDF内のWebリンクは、リンクがかかっていた語の上で [テキスト](アドレス) 形式のリンクになります。
  7. * _ # [ など、Markdownで意味を持つ文字はバックスラッシュでエスケープするので、書式にならず書かれたとおりに表示されます。
  8. Webブラウザから保存したPDFなどでは、一部の文字が「文字なし」とされていることがあります。タイ語では主に母音の上につく声調記号です。pdfMBはファイル内のフォントからそれらを復元します。
  9. スキャンなど文字のないページは、「OCR PDF」と同じOCRエンジンで読み取れます。ダウンロードするのは言語データだけで、それも1回だけです。
  10. .mdや.txtファイルは端末の中でUTF-8のテキストとして組み立てられ、そのままダウンロードフォルダに保存されるか、クリップボードにコピーされます。
手順
  1. PDFを選ぶ
  2. 「Markdownに変換」を押す
  3. プレビューを確認する
  4. コピーするか.mdファイルをダウンロードする

PDFをMarkdownに変換する方法

  1. PDFを選ぶか、枠にドロップします。pdfMBがすべてのページを読み取り、文字のないスキャンページがあるかどうかを知らせます。
  2. スキャンしたページがある場合は、「スキャンしたページの文字を読み取る（OCR）」をオンのままにして、文書の言語を選びます。
  3. 「Markdownに変換」を押します。進み具合がバーで表示されます。
  4. プレビューを確認します。プレーンテキストへの切り替え、ヘッダーとフッターを残すか取り除くか、ページの始まりに印をつけるかを選べます。プレビューはすぐに更新されます。
  5. 「すべてコピー」を押して別の場所に貼り付けるか、.mdファイルをダウンロードします。

なぜMarkdownなのか

Markdownは、構造を示す少しの記号がついたプレーンテキストです。見出しは #、リストは -、表は | で表します。どのテキストエディタでも開けて、書式なしでも読みやすいままです。

ObsidianやNotionなどのメモアプリ、Wiki、GitHub、多くのドキュメントツールはMarkdownを直接読み込めるので、見出しや表がそのまま見出しや表として入ります。

AIチャットや検索インデックスは、PDFの生の文字よりMarkdownのほうが扱いやすくなります。見出しや表から文書の構成がわかるからです。結果はそのままチャットに貼り付けられます。

こんなときに使われています

メモとWiki

レポート、マニュアル、論文を、見出し・リスト・表をそのままにObsidian、Notion、Wiki、GitHubのREADMEに取り込めます。

AIチャット

長いPDFをMarkdownとしてAIチャットに貼り付ければ、文字の壁ではなく、セクションや表として読み取ってもらえます。

編集と引用

PDFの文字を取り出して書き直したり、翻訳したり、引用したりできます。途切れた行を手で直す必要はありません。

タイ語の文書

Webブラウザから保存したものも含め、タイ語のPDFを声調記号を失わずに変換できます。

できないこと

  • 画像、グラフ、図は含まれません。Markdownに残るのは文字だけです。画像を保存するには「PDFをJPGに変換」を使ってください。
  • 数式はプレーンテキストになり、上付き文字と下付き文字は <sup> と <sub> になります。
  • 結合された表のセルは通常のセルに分かれます。罫線もタブ位置もない表は段落になります。
  • 見出しは文字の大きさと太さから見つけるため、すべて同じフォントの文書では見出しが少なくなることがあります。
  • 目次など文書内のリンクは残りません。残るのはWebページとメールアドレスへのリンクだけです。
  • アラビア語やヘブライ語など右から左に書く言語は、まだ十分にテストできていません。結果をよく確認してください。
  • パスワード付きのPDFや、作成者がコピーを禁止しているPDFは変換できません。

PDFをMarkdownに変換することについての質問

PDFはアップロードされますか？

いいえ。pdfMBはブラウザの中でファイルを変換し、ファイルが端末の外に出ることはありません。ブラウザのネットワークツールで確かめることもできます。

どの形式のMarkdownで書き出しますか？

GitHub形式の表を使ったCommonMarkです。GitHub、Obsidian、VS Code、多くのWikiや静的サイトツールで読み込めます。太字、斜体、リンク、リストは標準の記号を使います。

プレーンテキストで取り出せますか？

はい。変換後に形式をプレーンテキストに切り替えるか、「PDFをテキストに変換」を使ってください。Markdownの記号のない同じ段落が得られ、表はタブ区切りの行になります。

タイ語の声調記号は残りますか？

はい。pdfMBは、一部のPDFで「文字なし」とされている声調記号も復元します。私たちのテストでは、35ページのタイ語の記事にある声調記号4,911個がすべて残りました。

スキャンしたPDFも変換できますか？

はい。OCRをオンにして言語を選ぶと、スキャンしたページの文字が段落になります。OCRは名前や数字を読み間違えることがあるので、結果を確認してください。

ページ番号やヘッダーが一部消えているのはなぜですか？

ほとんどのページの上や下に繰り返し出てくる行と、ページ番号だけの行は、文章が途切れないように最初から取り除いています。残したい場合はオプションのチェックを外してください。