PDF-zu-Markdown-Konverter

Markdown ist das einfachste Format, um ein PDF in eine Notizen-App, eine Wissensdatenbank, ein Git-Repository oder ein Korpus für ein Sprachmodell zu übertragen: reiner Text, klare Struktur, überall zu öffnen. Das Problem ist, dass ein PDF nur aufzeichnet, wo jedes Zeichen gezeichnet wird, nicht welche Zeile eine Überschrift oder welcher Block eine Tabelle ist. Daher führt das Kopieren des Textes dazu, dass Zeilen auseinandergerissen und Tabellen verstreut werden.

Geyi führt auf jeder Seite eine Texterkennung und Layoutanalyse durch, identifiziert Überschriften, Absätze, Listen, Tabellen, Formeln und Abbildungen und schreibt sie dann als eine Standard-Markdown-Datei (GFM) aus. Es konvertiert nur, ohne Übersetzung: Die Ausgabe bleibt in der Sprache des Originals.

Wo es passt

Arbeiten, Vorlesungsnotizen und Berichte, die in eine Notizen-App oder Wissensdatenbank gelangen, wobei die Überschriftenebenen die Gliederung bilden.
Produkthandbücher und technische Dokumentationen, die in ein Git-Repository oder eine Dokumentations-Website verschoben werden, um unter Versionskontrolle gepflegt zu werden.
Material für ein Sprachmodell oder ein Abrufsystem: Markdown behält die Struktur ohne Layout-Rauschen bei, sodass es besser in Chunks unterteilt werden kann als extrahierter Rohtext.
Digitalisierung von gescanntem Material: Jede Seite durchläuft die Texterkennung, sodass Scans und PDFs, die aus Fotos erstellt wurden, als bearbeitbarer Text ausgegeben werden.

Was übernommen wird

Überschriftenebenen: Erkannte Überschriften werden zu #-Markierungen in ihrer ursprünglichen Hierarchie, beginnend bei Ebene zwei (##); die Überschrift der ersten Ebene oben in der Datei ist der Name der hochgeladenen Datei ohne die .pdf-Erweiterung.
Absätze und Listen: Geordnete und ungeordnete Listen behalten ihre Verschachtelung bei; Fett, Kursiv, tiefgestellte, hochgestellte Zeichen, Durchstreichungen und Links werden wie im Original markiert.
Tabellen: Als Markdown-Tabellen geschrieben. Markdown hat keine verbundenen Zellen, daher werden verbundene Zellen getrennt und die zusätzlichen Zellen bleiben leer.
Formeln: Als LaTeX erkannt, geschrieben als $…$ inline und $$…$$ in einer eigenen Zeile.
Bilder: Abbildungen sind in die .md-Datei selbst eingebettet, sodass eine Datei ohne zugehörigen Bildordner auskommt; Bildunterschriften stehen unter jedem Bild.
Fußnoten und Code: Fußnoten werden am Ende mit Nummern gesammelt, die dem Text entsprechen, und Codeblöcke bleiben so, wie sie sind.

Wie es abgerechnet wird

4 Credits pro Seite, die erst nach einer erfolgreichen Konvertierung berechnet werden. Die Seitenzahl basiert auf dem erzeugten Text: Je angefangene 1.600 Zeichen zählen als eine Seite, mit einem Minimum von einer Seite.

Vor dem Start wird die Seitenzahl des PDFs für eine Schätzung herangezogen. Sollte Ihr Guthaben nicht ausreichen, werden Sie vorab informiert und die Konvertierung wird nicht gestartet.

Wahl zwischen Konvertierung, Übersetzung und Extraktion

Verwenden Sie diese Seite, um das Format zu ändern, ohne die Sprache zu beeinflussen. Für eine Übersetzung nutzen Sie bitte die Dateiübersetzung, die ebenfalls Markdown exportieren kann.

Für vertikal gesetzte Bücher und Seiten mit ungewöhnlicher Leserichtung verwenden Sie die Dokumentenextraktion: Sie ist speziell für vertikalen Text und Leserichtung konzipiert und exportiert ebenfalls Markdown.

PDF in drei Schritten in Markdown konvertieren

PDF hochladen Ziehen Sie PDFs auf diese Seite oder in die Arbeitsumgebung für Formatkonvertierungen; es können mehrere Dateien gleichzeitig verarbeitet werden.
Markdown als Ziel bestätigen Wählen Sie Markdown als Zielformat (dies ist vorausgewählt, wenn Sie von dieser Seite kommen) und starten Sie dann die Konvertierung.
.md-Datei herunterladen Laden Sie das Ergebnis nach Abschluss herunter: eine .md-Datei mit eingebetteten Bildern. Mehrere Dateien können gemeinsam über den Batch-Download heruntergeladen werden.

Beispiele

Zwei Seiten eines technischen NASA-Handbuchs, konvertiert von PDF in Markdown: Die drei nummerierten Abschnittstitel werden zu Markdown-Überschriften nach Ebene, der Fließtext entspricht Wort für Wort dem Original, und beide Tabellen werden zu Markdown-Tabellen.

Originalseite 346 von NASAs Expanded Guidance for Systems Engineering: Abschnittsüberschriften 6.8.1.3 und 6.8.1.3.1, ein Fließtextabsatz, zehn Aufzählungspunkte sowie die Kopfzeile und die ersten beiden Zeilen von Tabelle 6.8-1. — Seite 1 → Markdown: Nummerierte Abschnittstitel werden zu ##### / ###### Überschriften nach Ebene, der Fließtext entspricht Wort für Wort dem Original, und Tabelle 6.8-1 wird zu einer Markdown-Tabelle.

Zeilen 1–32 des konvertierten Markdown: Frontmatter, ein # Titel, ##### und ###### Abschnittsüberschriften, der Fließtext, die zehn Aufzählungspunkte sowie die Kopfzeile und die ersten zwei Zeilen der Tabelle 6.8-1 — Seite 1 → Markdown: Nummerierte Abschnittstitel werden zu ##### / ###### Überschriften nach Ebene, der Fließtext entspricht Wort für Wort dem Original, und Tabelle 6.8-1 wird zu einer Markdown-Tabelle.

Originalseite 347: die Fortsetzung der Tabelle 6.8-1 (Zeilen 3 bis A), die Abschnittsüberschrift 6.8.2, ein Fließtextabsatz und Tabelle 6.8-2 Methoden der Entscheidungsanalyse — Seite 2 → Markdown: Abschnitt 6.8.2 wird zu einer #### Überschrift, der Fließtext entspricht Wort für Wort dem Original und Tabelle 6.8-2 wird Zeile für Zeile in eine Markdown-Tabelle umgewandelt.

Zeilen 33–61 des konvertierten Markdown: die verbleibenden Zeilen und die Bildunterschrift der Tabelle 6.8-1, die #### 6.8.2 Überschrift, der Fließtextabsatz und Tabelle 6.8-2 als Markdown-Tabelle mit ihrer Bildunterschrift — Seite 2 → Markdown: Abschnitt 6.8.2 wird zu einer #### Überschrift, der Fließtext entspricht Wort für Wort dem Original und Tabelle 6.8-2 wird Zeile für Zeile in eine Markdown-Tabelle umgewandelt.

Tatsächliches Produktionsergebnis; 14 Stellen wurden vor der Anzeige manuell korrigiert. · Quelle: Expanded Guidance for NASA Systems Engineering, Volume 1: Systems Engineering Practices, Steven R. Hirshorn (NASA Headquarters), 2016 (Werk der US-Regierung: NASA Special Publication NASA/SP-2016-6105/SUPPL, verfasst von Mitarbeitern des NASA Headquarters, nicht urheberrechtlich geschützt in den Vereinigten Staaten gemäß 17 U.S.C. §105; der Datensatz des NASA Technical Reports Server (NTRS) führt die Urheberrechtsbestimmung GOV_PUBLIC_USE_PERMITTED und die Verbreitung PUBLIC.)

Häufige Fragen

Was kostet die PDF-zu-Markdown-Konvertierung?

4 Credits pro Seite, die erst nach einer erfolgreichen Konvertierung berechnet werden. Die Seitenzahl basiert auf dem erzeugten Text, wobei je angefangene 1.600 Zeichen als eine Seite zählen, mit einem Minimum von einer Seite. Die Seitenzahl des PDFs dient als Schätzung vorab, sodass ein zu geringes Guthaben erkannt wird, bevor der Vorgang startet.

Können gescannte PDFs konvertiert werden?

Ja. Jede Seite durchläuft eine Texterkennung, sodass Scans und aus Fotos erstellte PDFs als Text ausgegeben werden. Für vertikal gesetzte Bücher oder Seiten mit ungewöhnlicher Leserichtung verwenden Sie stattdessen die Dokumentenextraktion.

Wo bleiben die Bilder?

Abbildungen werden direkt in die .md-Datei eingebettet, sodass es keinen separaten Bilderordner gibt und eine einzige Datei alles enthält; Bildunterschriften bleiben unter dem jeweiligen Bild. Bildlastige Dokumente führen zu entsprechend größeren Dateien.

Bleiben Formeln erhalten?

Ja. Formeln werden als LaTeX erkannt, inline als $…$ und in einer eigenen Zeile als $$…$$ geschrieben und in Markdown-Editoren, die Mathematik unterstützen, direkt angezeigt.

Was passiert mit Tabellen?

Sie werden in Standard-Markdown-Tabellen umgewandelt. Da Markdown-Tabellen keine verbundenen Zellen unterstützen, werden diese getrennt und die zusätzlichen Zellen bleiben leer.

Wird das Dokument auch übersetzt?

Nein. Die Konvertierung ändert das Format, nicht die Sprache. Verwenden Sie für eine Übersetzung die Dateiübersetzung; diese kann ebenfalls Markdown exportieren.