Convertisseur PDF vers Markdown
Le Markdown est le format le plus simple pour importer un PDF dans une application de notes, une base de connaissances, un dépôt Git ou un corpus pour un modèle de langage : texte brut, structure claire, s'ouvre partout. Le problème est qu'un PDF enregistre uniquement l'endroit où chaque caractère est dessiné, et non quelle ligne est un titre ou quel bloc est un tableau, donc copier le texte casse les lignes et disperse les tableaux.
Geyi effectue une reconnaissance de texte et une analyse de mise en page sur chaque page, identifie les titres, paragraphes, listes, tableaux, formules et figures, puis les écrit sous forme d'un fichier Markdown (GFM) standard. Il effectue uniquement la conversion, sans traduction : la sortie reste dans la langue de l'original.
Où cela s'intègre-t-il ?
- Documents, notes de cours et rapports destinés à une application de notes ou une base de connaissances, les niveaux de titre devenant le plan.
- Manuels de produits et documentation technique destinés à un dépôt Git ou un site de documentation, pour être maintenus sous contrôle de version.
- Matériel pour un modèle de langage ou un système de recherche : le Markdown conserve la structure sans le bruit de la mise en page, il est donc mieux segmenté que le texte brut extrait.
- Numérisation de matériel scanné : chaque page passe par une reconnaissance de texte, donc les scans et les PDF créés à partir de photos ressortent sous forme de texte modifiable.
Ce qui est conservé
- Niveaux de titre : les titres reconnus deviennent des marqueurs # dans leur hiérarchie d'origine, en commençant au niveau deux (##) ; le titre de niveau un en haut du fichier est le nom du fichier importé sans l'extension .pdf.
- Paragraphes et listes : les listes ordonnées et non ordonnées conservent leur imbrication ; le gras, l'italique, les indices, les exposants, le barré et les liens sont balisés comme dans l'original.
- Tableaux : écrits sous forme de tableaux Markdown. Le Markdown n'a pas de cellules fusionnées, donc les cellules fusionnées sont divisées et les cellules supplémentaires laissées vides.
- Formules : reconnues comme LaTeX, écrites sous forme de $…$ en ligne et $$…$$ sur leur propre ligne.
- Images : les figures sont intégrées dans le fichier .md lui-même, donc un seul fichier circule sans dossier d'images joint ; les légendes se trouvent sous chaque image.
- Notes de bas de page et code : les notes de bas de page sont rassemblées à la fin avec des numéros correspondant au texte, et les blocs de code restent tels quels.
Comment cela est-il facturé
4 crédits par page, facturés uniquement après une conversion réussie. Les pages sont comptées à partir du texte produit : chaque tranche complète de 1 600 caractères équivaut à une page, avec un minimum d'une page.
Avant de commencer, le nombre de pages du PDF est utilisé pour une estimation ; si votre solde ne permet pas de couvrir le coût, vous en êtes informé immédiatement et la conversion ne démarre pas.
Choisir entre conversion, traduction et extraction
Utilisez cette page pour modifier le format sans toucher à la langue. Pour une traduction, utilisez la traduction de fichiers, qui permet également d'exporter au format Markdown.
Pour les livres à mise en page verticale et les pages avec un ordre de lecture inhabituel, utilisez l'extraction de document : elle est conçue pour le texte vertical et l'ordre de lecture, et exporte également en Markdown.
Convertir un PDF en Markdown en trois étapes
- Téléverser le PDF Déposez les PDF sur cette page ou dans l'atelier de conversion de format ; vous pouvez en traiter plusieurs à la fois.
- Confirmer Markdown comme format cible Choisissez Markdown comme format cible (il est présélectionné lorsque vous arrivez depuis cette page), puis lancez la conversion.
- Télécharger le fichier .md Téléchargez le résultat une fois terminé : un fichier .md avec ses images intégrées. Plusieurs fichiers peuvent être téléchargés ensemble grâce au téléchargement par lots.
Résultats concrets
Deux pages d'un manuel technique de la NASA converties de PDF en Markdown : les trois titres de section numérotés deviennent des titres Markdown par niveau, le corps du texte correspond mot pour mot à l'original, et les deux tableaux deviennent des tableaux Markdown.
Résultat de production réel ; 14 points corrigés manuellement avant affichage · Source : Expanded Guidance for NASA Systems Engineering, Volume 1: Systems Engineering Practices, Steven R. Hirshorn (NASA Headquarters), 2016 (Travail du gouvernement américain : publication spéciale de la NASA NASA/SP-2016-6105/SUPPL rédigée par le personnel du siège de la NASA, non soumise au droit d'auteur aux États-Unis en vertu de 17 U.S.C. §105 ; l'enregistrement du serveur de rapports techniques de la NASA (NTRS) indique la détermination du droit d'auteur GOV_PUBLIC_USE_PERMITTED et la distribution PUBLIC.)
Questions fréquentes
Combien coûte la conversion de PDF en Markdown ?
4 crédits par page, facturés uniquement après une conversion réussie. Les pages sont comptées à partir du texte produit, chaque tranche complète de 1 600 caractères équivalant à une page avec un minimum d'une ; le nombre de pages du PDF donne une estimation préalable, afin qu'un solde insuffisant soit signalé avant tout démarrage.
Est-il possible de convertir des PDF numérisés ?
Oui. Chaque page passe par une reconnaissance de texte, ainsi les numérisations et les PDF créés à partir de photos sont convertis en texte. Pour les livres à mise en page verticale ou les pages avec un ordre de lecture inhabituel, utilisez plutôt l'extraction de document.
Où vont les images ?
Les figures sont intégrées dans le fichier .md lui-même, il n'y a donc pas de dossier d'images séparé et un seul fichier contient tout ; les légendes restent sous chaque image. Les documents riches en images génèrent des fichiers proportionnellement plus volumineux.
Les formules sont-elles conservées ?
Oui. Les formules sont reconnues en tant que LaTeX, écrites sous la forme $…$ en ligne et $$…$$ sur leur propre ligne, et s'affichent directement dans les éditeurs Markdown prenant en charge les mathématiques.
Qu'advient-il des tableaux ?
Ils deviennent des tableaux Markdown standard. Les tableaux Markdown ne permettent pas de fusionner des cellules, les cellules fusionnées sont donc divisées et les cellules supplémentaires laissées vides.
Le document est-il également traduit ?
Non. La conversion modifie le format, pas la langue. Utilisez la traduction de fichiers pour une traduction ; elle peut également exporter au format Markdown.
Contenu associé
简体中文 · English · Deutsch · Русский · 日本語 · 한국어
Geyi is a proprietary AI document platform owned and operated by Nayuta Technology and Culture Company Limited.