Chuyển PDF sang Markdown
Trích lớp văn bản thành .md sạch, giữ đoạn văn và cấp tiêu đề
Kéo thả file vào đây
hoặc chọn file
Chỉ PDF có lớp chữ: với bản scan hãy chạy OCR trước
Phạm vi trung thực: PDF không có cấu trúc ngữ nghĩa, nên đoạn văn và tiêu đề được dựng lại từ khoảng trắng cùng cỡ chữ - tài liệu nhiều chữ cho kết quả tốt nhất; hai cột được đọc theo từng cột; bảng và ảnh không đưa vào.
Về công cụ này
Đưa bài báo, tài liệu và sổ tay vào Notion, Obsidian hay Yuque thì đi qua Markdown là êm nhất. Công cụ này trích lớp văn bản của PDF và dựng lại các đoạn từ tọa độ chữ, dùng khoảng dòng và thụt lề, cho ra một file .md sạch - không phải mỗi dòng nhìn thấy một lần xuống dòng cứng, mà là văn bản chảy thật, sẵn sàng dán vào app ghi chú.
Phạm vi trung thực: PDF không có cấu trúc ngữ nghĩa, nên việc xếp lại là hình học - tài liệu nhiều chữ hoạt động tốt nhất; bố cục hai cột được nhận diện và đọc từng cột một; PDF scan thì không có lớp văn bản, hãy OCR trước. Bảng và ảnh không đi vào output (PDF không mang cấu trúc bảng, còn ảnh thì cần công cụ khác).
Kết quả xuất hiện trong một ô sửa được - chỉnh lại cấp tiêu đề, nối các đoạn bị gãy, rồi tải về. Mọi thứ chạy nội bộ và file không bao giờ bị tải lên.
Tính năng
- Trích lớp văn bản kèm xếp lại đoạn theo hình học
- Nhận diện bố cục hai cột để đọc đúng thứ tự
- Suy cấp tiêu đề từ cỡ chữ
- Kết quả sửa được trên trang trước khi tải
- Chỉ nhận PDF có lớp văn bản - bản scan phải OCR trước
Cách dùng
- Tải lên một PDF có lớp văn bản; nếu là bản scan thì OCR trước
- Các trang được trích và dựng lại kèm số liệu ký tự
- Xem lại và tinh chỉnh Markdown trong trình soạn
- Tải file .md
Câu hỏi thường gặp
- Vì sao output không giống bố cục gốc?
- Markdown nhắm tới cấu trúc chứ không phải vẻ ngoài: các đoạn được xếp lại theo khoảng trắng và tiêu đề theo cỡ chữ, còn font, màu và đầu trang thì không sống sót. Muốn trung thực hình ảnh, hãy dùng Chuyển PDF sang Word hoặc Chuyển PDF sang JPG.
- Bài báo hai cột xử lý đúng không?
- Có - bố cục cột được nhận từ tọa độ văn bản và cột trái được đọc trước cột phải, giữ đúng thứ tự. Trang ba cột và hình vẽ vắt qua cột vẫn có thể làm bộ nhận diện lẫn, nên hãy kiểm tra thứ tự sau khi chuyển.
- Vì sao output của PDF scan trống rỗng?
- Trang scan là ảnh, không có lớp văn bản để trích. Hãy chạy công cụ OCR của site trước để biến ảnh thành chữ chọn được, rồi mới chuyển - hoặc dán thẳng kết quả OCR vào ghi chú của bạn.