pdfMB

PDF в Markdown

Превратите PDF в Markdown с заголовками, списками, таблицами и ссылками. Скопируйте результат или скачайте файл .md. Файл остаётся на этом устройстве.

  • Без загрузкиФайл остаётся на вашем устройстве.
  • Оригинал не меняетсяВы скачиваете новую копию. Ваш файл остаётся прежним.
  • Бесплатно, без регистрацииБез аккаунта и без дневного лимита.

Что происходит с вашим файлом

Всё описанное ниже происходит в вашем браузере, на вашем устройстве. PDF не загружается на сервер, поэтому никто другой, включая нас, его не видит.

  1. Браузер открывает PDF с помощью pdf.js — просмотрщика PDF, встроенного в Firefox, — и читает каждый фрагмент текста вместе с положением, шрифтом, размером, жирным начертанием и курсивом.
  2. Фрагменты текста на одной строке объединяются в строки, а строки — в абзацы. Слова, перенесённые через дефис в конце строки, снова собираются целиком.
  3. Страницы в две или три колонки читаются колонка за колонкой, поэтому предложения из разных колонок не перемешиваются построчно.
  4. Текст, заметно крупнее основного, становится заголовком: # для названия, ## и ### для разделов. Короткие жирные строки тоже становятся заголовками.
  5. Строки, которые начинаются с маркера или номера, становятся списками Markdown. Таблицы, нарисованные линиями, и строки, выровненные табуляцией, становятся таблицами Markdown — по одной строке таблицы на строку.
  6. Жирный текст и курсив сохраняются как **жирный** и *курсив*. Веб-ссылки из PDF становятся ссылками вида [текст](адрес) на тех словах, к которым они относятся.
  7. Символы, которые в Markdown что-то означают, например * _ # и [, экранируются обратной косой чертой, поэтому они видны как есть и не превращаются в оформление.
  8. Некоторые PDF, часто сохранённые из браузера, помечают отдельные символы как «нет символа». В тайском это обычно знаки тона над гласными. pdfMB восстанавливает их по шрифтам внутри вашего файла.
  9. Страницы без текста, например сканы, можно распознать тем же движком OCR, что и в «OCR PDF». Скачиваются только языковые данные, один раз.
  10. Файл .md или .txt собирается на вашем устройстве как текст в UTF-8 и сохраняется прямо в загрузки или копируется в буфер обмена.
Коротко
  1. Выберите PDF
  2. Нажмите «Преобразовать в Markdown»
  3. Проверьте предпросмотр
  4. Скопируйте результат или скачайте файл .md

Как преобразовать PDF в Markdown

  1. Выберите PDF или перетащите его в поле. pdfMB прочитает каждую страницу и сообщит, есть ли среди них сканы без текста.
  2. Если есть сканированные страницы, оставьте включённым «Распознать текст сканированных страниц (OCR)» и выберите язык документа.
  3. Нажмите «Преобразовать в Markdown». Полоса покажет, сколько уже сделано.
  4. Просмотрите результат. Можно переключиться на обычный текст, оставить или убрать колонтитулы и отметить начало страниц. Предпросмотр обновляется сразу.
  5. Нажмите «Копировать всё», чтобы вставить текст в другое место, или скачайте файл .md.

Почему Markdown

Markdown — это обычный текст с несколькими значками для структуры: # для заголовков, - для списков, | для таблиц. Он открывается в любом текстовом редакторе и остаётся читаемым даже без оформления.

Приложения для заметок, такие как Obsidian и Notion, вики, GitHub и большинство инструментов для документации читают Markdown напрямую, поэтому заголовки и таблицы так и остаются заголовками и таблицами.

ИИ-чаты и поисковые индексы лучше работают с Markdown, чем с сырым текстом PDF: заголовки и таблицы показывают, как устроен документ. Результат можно сразу вставить в чат.

Когда это нужно

Заметки и вики

Перенесите отчёт, инструкцию или статью в Obsidian, Notion, вики или README на GitHub, не теряя заголовков, списков и таблиц.

ИИ-чаты

Вставьте длинный PDF в ИИ-чат в формате Markdown, чтобы он видел разделы и таблицы, а не сплошную стену текста.

Редактирование и цитаты

Достаньте текст из PDF, чтобы переписать, перевести или процитировать его, не исправляя разорванные строки вручную.

Тайские документы

Преобразуйте тайские PDF, в том числе сохранённые из браузера, без потери знаков тона.

Чего он не умеет

  • Картинки, диаграммы и рисунки не включаются: Markdown хранит только текст. Чтобы сохранить картинки, используйте «PDF в JPG».
  • Формулы получаются обычным текстом, а верхние и нижние индексы — в виде <sup> и <sub>.
  • Объединённые ячейки таблиц разбиваются на обычные, а таблицы без линий и табуляций получаются абзацами.
  • Заголовки определяются по размеру и жирности текста, поэтому в документе, где всё набрано одним шрифтом, заголовков может найтись меньше.
  • Ссылки внутри документа, например в оглавлении, не сохраняются. Сохраняются только ссылки на веб-страницы и адреса электронной почты.
  • Языки с письмом справа налево, например арабский и иврит, пока проверены недостаточно. Внимательно проверьте результат.
  • PDF с паролем и PDF, владелец которых запретил копирование, преобразовать нельзя.

Вопросы о преобразовании PDF в Markdown

Мой PDF загружается на сервер?

Нет. pdfMB преобразует файл в вашем браузере, и он никогда не покидает ваше устройство. Это можно проверить в сетевых инструментах браузера.

Какой Markdown получается?

CommonMark с таблицами в стиле GitHub — его читают GitHub, Obsidian, VS Code, большинство вики и генераторов сайтов. Для жирного текста, курсива, ссылок и списков используются стандартные значки.

Можно получить обычный текст?

Да. После преобразования переключите формат на обычный текст или воспользуйтесь «PDF в текст». Вы получите те же абзацы без значков Markdown, а таблицы станут строками текста, разделёнными табуляцией.

Сохраняются ли тайские знаки тона?

Да. pdfMB также восстанавливает знаки тона, которые некоторые PDF помечают как «нет символа». В нашем тесте сохранились все 4 911 знаков тона из тайской статьи на 35 страниц.

Можно ли преобразовать сканированный PDF?

Да. Включите OCR, выберите язык, и текст сканированных страниц превратится в абзацы. Проверьте результат: OCR может неверно прочитать имена и числа.

Почему пропали некоторые номера страниц или колонтитулы?

Строки, которые повторяются вверху или внизу большинства страниц, и отдельные номера страниц по умолчанию убираются, чтобы не разрывать текст. Снимите флажок, чтобы их оставить.