PDF в Markdown
Извлечение текстового слоя в чистый .md с абзацами и уровнями заголовков
Перетащите файлы сюда
или выберите файлы
Только PDF с текстовым слоем — сканы сначала пропустите через OCR
Честно о возможностях: PDF не хранит семантическую структуру, поэтому абзацы и заголовки восстанавливаются по межстрочным интервалам и размерам шрифта — лучше всего получаются текстовые документы; двухколоночные читаются по колонкам; таблицы и изображения не включаются.
Об этом инструменте
Переносить статьи, документы и руководства в Notion, Obsidian или Yuque удобнее всего через Markdown. Инструмент извлекает текстовый слой PDF и восстанавливает абзацы по координатам текста, используя межстрочные интервалы и отступы, — на выходе чистый .md: не перенос после каждой визуальной строки, а настоящий связный текст, готовый для вставки в заметки.
Честная рамка возможностей: у PDF нет семантической структуры, поэтому сборка геометрическая — лучше всего работают документы, где преобладает текст; двухколоночная вёрстка распознаётся и читается по колонкам; у сканов текстового слоя нет, сначала прогоните их через OCR. Таблицы и изображения в результат не попадают (табличной структуры в PDF нет; изображения извлекайте другими инструментами).
Результат появляется в редактируемом поле: поправьте уровни заголовков, склейте разорванные абзацы — и скачивайте. Всё выполняется локально, файлы никуда не отправляются.
Возможности
- Извлечение текстового слоя с геометрической сборкой абзацев
- Распознавание двух колонок для правильного порядка чтения
- Уровни заголовков определяются по размеру шрифта
- Результат можно отредактировать на странице перед скачиванием
- Только PDF с текстовым слоем — для сканов сначала OCR
Как пользоваться
- Загрузите PDF с текстовым слоем (сканы сначала прогоните через OCR)
- Страницы извлекаются и собираются заново, показывается статистика символов
- Проверьте и подправьте Markdown в редакторе
- Скачайте файл .md
Частые вопросы
- Почему результат не похож на исходную вёрстку?
- Markdown нацелен на структуру, а не на внешний вид: абзацы собираются по интервалам, заголовки — по размеру шрифта, а шрифты, цвета и колонтитулы не сохраняются. Если нужна визуальная точность, используйте PDF в Word или PDF в изображения.
- Двухколоночные статьи обрабатываются правильно?
- Да — колонки определяются по координатам текста, сначала читается левая, потом правая, порядок сохраняется. Три колонки и диаграммы через колонки могут сбить распознавание: после конвертации выборочно проверьте последовательность абзацев.
- Почему у сканированного PDF результат пустой?
- Отсканированные страницы — это изображения без текстового слоя. Сначала прогоните файл через OCR-инструмент сайта, чтобы превратить картинки в выделяемый текст, затем конвертируйте — или вставьте результат OCR прямо в заметки.