pdfMB

PDF în Markdown

Transformați un PDF în Markdown cu titluri, liste, tabele și linkuri. Copiați-l sau descărcați un fișier .md. Fișierul rămâne pe acest dispozitiv.

  • Fără încărcareFișierul rămâne pe acest dispozitiv.
  • Originalul rămâne neschimbatDescărcați o copie nouă. Fișierul dvs. nu este modificat niciodată.
  • Gratuit, fără contFără cont și fără limită zilnică.

Ce se întâmplă cu fișierul dvs.

Tot ce urmează se petrece în browser, pe propriul dispozitiv. PDF-ul nu este încărcat, deci nimeni altcineva, nici noi, nu îl poate vedea.

  1. Browserul deschide PDF-ul cu pdf.js, cititorul PDF integrat în Firefox, și citește fiecare bucată de text împreună cu poziția, fontul, mărimea și stilul aldin sau cursiv.
  2. Bucățile de text de pe același rând sunt unite în rânduri, iar rândurile în paragrafe. Cuvintele despărțite cu cratimă la capăt de rând sunt unite la loc.
  3. Paginile cu două sau trei coloane sunt citite pe rând, coloană cu coloană, astfel încât propozițiile din coloane diferite nu se amestecă rând cu rând.
  4. Textul vizibil mai mare decât textul obișnuit devine titlu: # pentru titlul documentului, ## și ### pentru secțiuni. Rândurile scurte îngroșate devin și ele titluri.
  5. Rândurile care încep cu o buletă sau cu un număr devin liste Markdown. Tabelele desenate cu linii și rândurile aliniate cu taburi devin tabele Markdown, cu fiecare rând de tabel pe o linie.
  6. Textul aldin și cursiv este păstrat ca **aldin** și *cursiv*. Linkurile web din PDF devin linkuri [text](adresă) pe cuvintele pe care le acoperă.
  7. Caracterele care au un rol în Markdown, cum ar fi * _ # și [, sunt precedate de o bară oblică inversă, ca să apară exact cum sunt scrise în loc să devină formatare.
  8. Unele PDF-uri, adesea cele salvate dintr-un browser web, marchează anumite caractere ca „niciun caracter”. În thailandeză acestea sunt de obicei semne de ton de deasupra vocalelor. pdfMB le reface din fonturile aflate în fișierul dvs.
  9. Paginile fără text, cum ar fi scanările, pot fi citite cu același motor OCR ca „OCR PDF”. Se descarcă doar datele de limbă, o singură dată.
  10. Fișierul .md sau .txt este asamblat pe dispozitivul dvs. ca text UTF-8 și salvat direct în descărcări, sau copiat în clipboard.
Pe scurt
  1. Alegeți un PDF
  2. Apăsați „Convertește în Markdown”
  3. Verificați previzualizarea
  4. Copiați rezultatul sau descărcați fișierul .md

Cum convertiți un PDF în Markdown

  1. Alegeți un PDF sau trageți-l în casetă. pdfMB citește fiecare pagină și vă spune dacă unele pagini sunt scanări fără text.
  2. Dacă există pagini scanate, lăsați activată opțiunea „Citește textul paginilor scanate (OCR)” și alegeți limba documentului.
  3. Apăsați „Convertește în Markdown”. O bară arată cât a avansat.
  4. Verificați previzualizarea. Puteți trece la text simplu, păstra sau elimina antetele și subsolurile și marca unde încep paginile. Previzualizarea se actualizează imediat.
  5. Apăsați „Copiază tot” ca să lipiți rezultatul în altă parte, sau descărcați fișierul .md.

De ce Markdown

Markdown este text simplu cu câteva semne pentru structură: # pentru titluri, - pentru liste, | pentru tabele. Se deschide în orice editor de text și rămâne lizibil chiar și fără formatare.

Aplicațiile de notițe precum Obsidian și Notion, wiki-urile, GitHub și majoritatea instrumentelor de documentație citesc Markdown direct, așa că titlurile și tabelele ajung acolo tot ca titluri și tabele.

Chaturile AI și indexurile de căutare lucrează mai bine cu Markdown decât cu textul brut din PDF, pentru că titlurile și tabelele le arată cum este organizat documentul. Puteți lipi rezultatul direct într-un chat.

Când îl folosesc oamenii

Notițe și wiki-uri

Aduceți un raport, un manual sau un articol în Obsidian, Notion, un wiki sau un README pe GitHub, cu titlurile, listele și tabelele intacte.

Chaturi AI

Lipiți un PDF lung într-un chat AI ca Markdown, ca să vadă secțiunile și tabelele în loc de un zid de text.

Editare și citare

Scoateți textul dintr-un PDF ca să îl rescrieți, traduceți sau citați, fără să reparați de mână rândurile rupte.

Documente în thailandeză

Convertiți PDF-uri în thailandeză, inclusiv cele salvate dintr-un browser, fără să pierdeți semnele de ton.

Ce nu poate face

  • Imaginile, graficele și desenele nu sunt incluse. Markdown păstrează doar text. Folosiți „PDF în JPG” ca să salvați imaginile.
  • Ecuațiile ies ca text simplu, cu exponenții și indicii ca <sup> și <sub>.
  • Celulele îmbinate sunt despărțite în celule obișnuite, iar tabelele fără linii sau taburi ies ca paragrafe.
  • Titlurile sunt găsite după mărimea și grosimea textului, așa că un document care folosește același font peste tot poate avea mai puține titluri.
  • Linkurile din interiorul documentului, cum ar fi un cuprins, nu sunt păstrate. Se păstrează doar linkurile către pagini web și adresele de e-mail.
  • Limbile scrise de la dreapta la stânga, cum ar fi araba și ebraica, nu au fost încă testate suficient. Verificați cu atenție rezultatul.
  • PDF-urile cu parolă și cele la care proprietarul a blocat copierea nu pot fi convertite.

Întrebări despre conversia PDF în Markdown

Este încărcat PDF-ul meu?

Nu. pdfMB convertește fișierul în browser și acesta nu părăsește niciodată dispozitivul dvs. Puteți verifica asta în instrumentele de rețea ale browserului.

Ce fel de Markdown scrie?

CommonMark cu tabele în stil GitHub, pe care îl citesc GitHub, Obsidian, VS Code, majoritatea wiki-urilor și a generatoarelor de site-uri statice. Aldinul, cursivul, linkurile și listele folosesc semnele standard.

Pot obține text simplu în loc?

Da. După conversie, schimbați formatul în text simplu sau folosiți „PDF în text”. Obțineți aceleași paragrafe fără semne Markdown, iar tabelele devin rânduri de text separate prin taburi.

Se păstrează semnele de ton thailandeze?

Da. pdfMB reface și semnele de ton pe care unele PDF-uri le marchează ca „niciun caracter”. În testul nostru, toate cele 4.911 semne de ton ale unui articol thailandez de 35 de pagini au fost păstrate.

Poate converti un PDF scanat?

Da. Activați OCR, alegeți limba, iar textul paginilor scanate devine paragrafe. Verificați rezultatul, pentru că OCR poate citi greșit nume și cifre.

De ce lipsesc unele numere de pagină sau antete?

Rândurile care se repetă în partea de sus sau de jos a majorității paginilor, precum și numerele de pagină izolate, sunt eliminate implicit ca să nu întrerupă textul. Debifați opțiunea ca să le păstrați.