pdfMB

PDF para Markdown

Transforme um PDF em Markdown com títulos, listas, tabelas e links. Copie ou baixe um arquivo .md. Seu arquivo fica neste aparelho.

  • Sem envioSeu arquivo fica neste aparelho.
  • Seu original não é alteradoVocê baixa uma cópia nova. Seu arquivo nunca muda.
  • Grátis, sem cadastroSem conta e sem limite diário.

O que acontece com seu arquivo

Tudo o que está abaixo acontece no seu navegador, no seu próprio aparelho. O PDF não é enviado, então ninguém mais, nem nós, consegue vê-lo.

  1. Seu navegador abre o PDF com o pdf.js, o leitor de PDF que vem no Firefox, e lê cada trecho de texto com sua posição, fonte, tamanho, negrito e itálico.
  2. Trechos de texto na mesma linha são juntados em linhas, e as linhas em parágrafos. Palavras separadas por hífen no fim da linha voltam a ficar inteiras.
  3. Páginas com duas ou três colunas são lidas uma coluna de cada vez, para que frases de colunas diferentes não se misturem linha a linha.
  4. Texto bem maior que o corpo do texto vira título: # para o título principal, ## e ### para as seções. Linhas curtas em negrito também viram títulos.
  5. Linhas que começam com um marcador ou um número viram listas em Markdown. Tabelas desenhadas com linhas, e linhas alinhadas com tabulações, viram tabelas em Markdown com uma linha da tabela por linha de texto.
  6. Negrito e itálico ficam como **negrito** e *itálico*. Links da web no PDF viram links [texto](endereço) nas palavras que eles cobrem.
  7. Caracteres que têm significado em Markdown, como * _ # e [, recebem uma barra invertida antes, para aparecer como foram escritos em vez de virar formatação.
  8. Alguns PDFs, muitas vezes os salvos em um navegador, marcam certos caracteres como “nenhum caractere”. Em tailandês, geralmente são sinais de tom acima das vogais. O pdfMB reconstrói esses sinais a partir das fontes dentro do seu arquivo.
  9. Páginas sem texto, como digitalizações, podem ser lidas com o mesmo mecanismo de OCR do “OCR PDF”. Só os dados de idioma são baixados, uma única vez.
  10. O arquivo .md ou .txt é montado no seu aparelho como texto UTF-8 e salvo direto nos seus downloads, ou copiado para a área de transferência.
Resumindo
  1. Escolha um PDF
  2. Toque em “Converter para Markdown”
  3. Confira a prévia
  4. Copie ou baixe o arquivo .md

Como converter PDF para Markdown

  1. Escolha um PDF ou solte o arquivo na caixa. O pdfMB lê cada página e avisa se alguma página é uma digitalização sem texto.
  2. Se houver páginas escaneadas, deixe “Ler o texto das páginas escaneadas (OCR)” ligado e escolha o idioma do documento.
  3. Toque em “Converter para Markdown”. Uma barra mostra o andamento.
  4. Confira a prévia. Você pode trocar para texto simples, manter ou remover cabeçalhos e rodapés e marcar onde as páginas começam. A prévia muda na hora.
  5. Toque em “Copiar tudo” para colar em outro lugar, ou baixe o arquivo .md.

Por que Markdown

Markdown é texto simples com algumas marcas para a estrutura: # para títulos, - para listas, | para tabelas. Abre em qualquer editor de texto e continua legível mesmo sem formatação.

Apps de notas como Obsidian e Notion, wikis, GitHub e a maioria das ferramentas de documentação leem Markdown diretamente, então títulos e tabelas chegam como títulos e tabelas.

Chats de IA e índices de busca funcionam melhor com Markdown do que com o texto bruto de um PDF, porque os títulos e as tabelas mostram como o documento está organizado. Você pode colar o resultado direto em um chat.

Quando as pessoas usam

Notas e wikis

Leve um relatório, manual ou artigo para o Obsidian, o Notion, um wiki ou um README do GitHub com títulos, listas e tabelas intactos.

Chats de IA

Cole um PDF longo em um chat de IA como Markdown, para que ele veja as seções e tabelas em vez de um paredão de texto.

Editar e citar

Tire o texto de um PDF para reescrever, traduzir ou citar, sem consertar linhas quebradas à mão.

Documentos em tailandês

Converta PDFs em tailandês, inclusive os salvos em um navegador, sem perder os sinais de tom.

O que ele não faz

  • Imagens, gráficos e desenhos não entram. Markdown guarda só texto. Use “PDF para JPG” para salvar as imagens.
  • Equações saem como texto simples, com sobrescritos e subscritos como <sup> e <sub>.
  • Células mescladas são divididas em células normais, e tabelas sem nenhuma linha ou tabulação saem como parágrafos.
  • Os títulos são identificados pelo tamanho e pelo peso do texto, então um documento que usa a mesma fonte para tudo pode ficar com menos títulos.
  • Links internos do documento, como os de um sumário, não são mantidos. Só ficam os links para páginas da web e endereços de e-mail.
  • Idiomas escritos da direita para a esquerda, como árabe e hebraico, ainda não foram testados o suficiente. Confira o resultado com cuidado.
  • PDFs protegidos por senha, e PDFs cujo dono bloqueou a cópia, não podem ser convertidos.

Perguntas sobre converter PDF para Markdown

Meu PDF é enviado para algum lugar?

Não. O pdfMB converte o arquivo no seu navegador, e ele nunca sai do seu aparelho. Você pode conferir isso nas ferramentas de rede do navegador.

Que tipo de Markdown ele gera?

CommonMark com tabelas no estilo do GitHub, que o GitHub, o Obsidian, o VS Code, a maioria dos wikis e dos geradores de sites estáticos leem. Negrito, itálico, links e listas usam as marcas padrão.

Posso receber texto simples em vez disso?

Sim. Troque o formato para texto simples depois de converter, ou use “PDF para texto”. Você recebe os mesmos parágrafos sem nenhuma marca de Markdown, e as tabelas viram linhas de texto separadas por tabulações.

Os sinais de tom do tailandês são mantidos?

Sim. O pdfMB também recupera sinais de tom que alguns PDFs marcam como “nenhum caractere”. No nosso teste, todos os 4.911 sinais de tom de um artigo em tailandês de 35 páginas chegaram certinhos.

Dá para converter um PDF escaneado?

Sim. Ligue o OCR, escolha o idioma, e o texto das páginas escaneadas vira parágrafos. Confira o resultado, porque o OCR pode ler nomes e números errado.

Por que alguns números de página ou cabeçalhos sumiram?

Linhas que se repetem no topo ou no pé da maioria das páginas, e números de página soltos, são removidos por padrão para não quebrar o texto. Desmarque a opção para mantê-los.