Конвертер PDF в Markdown

Markdown — самый удобный формат для переноса PDF в приложение для заметок, базу знаний, репозиторий Git или корпус для языковой модели: простой текст, четкая структура, открывается везде. Проблема в том, что PDF лишь фиксирует положение каждого символа, а не то, какая строка является заголовком или какой блок — таблицей, поэтому при копировании текста строки разрываются, а таблицы рассыпаются.

Geyi выполняет распознавание текста и анализ компоновки на каждой странице, определяет заголовки, абзацы, списки, таблицы, формулы и рисунки, а затем записывает их в один стандартный файл Markdown (GFM). Это только конвертация без перевода: результат остается на том же языке, что и оригинал.

Где это применимо

Статьи, конспекты лекций и отчеты для заметок или базы знаний, где уровни заголовков становятся структурой документа.
Руководства по продуктам и техническая документация для репозиториев Git или сайтов документации, которые должны поддерживаться под контролем версий.
Материалы для языковой модели или поисковой системы: Markdown сохраняет структуру без лишнего визуального шума, поэтому он лучше разбивается на фрагменты, чем просто извлеченный текст.
Оцифровка сканированных материалов: каждая страница проходит через распознавание текста, поэтому сканы и PDF, сделанные из фотографий, превращаются в редактируемый текст.

Что сохраняется

Уровни заголовков: распознанные заголовки становятся маркерами # в своей иерархии, начиная со второго уровня (##); заголовок первого уровня в начале файла — это имя загруженного файла без расширения .pdf.
Абзацы и списки: нумерованные и маркированные списки сохраняют вложенность; жирный шрифт, курсив, подстрочные и надстрочные знаки, зачеркивание и ссылки размечаются так же, как в оригинале.
Таблицы: записываются как таблицы Markdown. В Markdown нет объединенных ячеек, поэтому они разделяются, а дополнительные ячейки остаются пустыми.
Формулы: распознаются как LaTeX, записываются как $…$ внутри строки и $$…$$ на отдельной строке.
Изображения: рисунки встраиваются непосредственно в файл .md, поэтому один файл можно перемещать без папки с изображениями; подписи располагаются под каждым изображением.
Сноски и код: сноски собираются в конце с номерами, соответствующими тексту, а блоки кода остаются без изменений.

Как это оплачивается

Перед началом работы используется количество страниц PDF для оценки; если вашего баланса недостаточно, вы будете уведомлены заранее, и преобразование не начнется.

Выбор между преобразованием, переводом и извлечением

Используйте эту страницу для изменения формата без изменения языка. Для перевода используйте функцию перевода файлов, которая также позволяет экспортировать в Markdown.

Для книг с вертикальной версткой и страниц с необычным порядком чтения используйте извлечение документа: оно создано специально для вертикального текста и порядка чтения, а также экспортирует данные в Markdown.

Преобразование PDF в Markdown за три шага

Загрузите PDF Перетащите PDF-файлы на эту страницу или в рабочую область преобразования форматов; можно загружать несколько файлов одновременно.
Подтвердите Markdown в качестве целевого формата Выберите Markdown в качестве целевого формата (он выбран по умолчанию, если вы перешли с этой страницы), затем начните преобразование.
Скачайте файл .md Скачайте результат после завершения: один файл .md со встроенными изображениями. Несколько файлов можно скачать вместе с помощью пакетной загрузки.

Примеры результатов

Две страницы технического руководства NASA, преобразованные из PDF в Markdown: три пронумерованных заголовка разделов стали заголовками Markdown по уровням, основной текст соответствует оригиналу слово в слово, обе таблицы стали таблицами Markdown.

Оригинальная страница 346 расширенного руководства NASA по системной инженерии: заголовки разделов 6.8.1.3 и 6.8.1.3.1, абзац основного текста, десять маркированных пунктов, а также заголовок и первые две строки таблицы 6.8-1 — Страница 1 → Markdown: пронумерованные заголовки разделов стали заголовками ##### / ###### по уровням, основной текст соответствует оригиналу слово в слово, а таблица 6.8-1 стала таблицей Markdown.

Строки 1–32 преобразованного Markdown: фронт-маттер, заголовок #, заголовки разделов ##### и ######, основной абзац, десять маркированных пунктов, а также заголовок и первые две строки таблицы 6.8-1 — Страница 1 → Markdown: пронумерованные заголовки разделов стали заголовками ##### / ###### по уровням, основной текст соответствует оригиналу слово в слово, а таблица 6.8-1 стала таблицей Markdown.

Оригинальная страница 347: продолжение таблицы 6.8-1 (строки с 3 по A), заголовок раздела 6.8.2, основной абзац и таблица 6.8-2 «Методы анализа решений» — Страница 2 → Markdown: раздел 6.8.2 становится заголовком ####, основной текст совпадает с оригиналом слово в слово, а таблица 6.8-2 преобразуется построчно в таблицу Markdown.

Строки 33–61 преобразованного Markdown: оставшиеся строки и подпись к таблице 6.8-1, заголовок #### 6.8.2, основной абзац и таблица 6.8-2 в формате Markdown с подписью — Страница 2 → Markdown: раздел 6.8.2 становится заголовком ####, основной текст совпадает с оригиналом слово в слово, а таблица 6.8-2 преобразуется построчно в таблицу Markdown.

Фактический результат работы; 14 мест исправлены вручную перед отображением · Источник: Расширенное руководство по системной инженерии NASA, том 1: Практика системной инженерии, Стивен Р. Хиршорн (штаб-квартира NASA), 2016 (Работа правительства США: специальная публикация NASA NASA/SP-2016-6105/SUPPL, подготовленная сотрудниками штаб-квартиры NASA, не подлежит защите авторским правом в Соединенных Штатах согласно 17 U.S.C. §105; запись на сервере технических отчетов NASA (NTRS) содержит определение авторского права GOV_PUBLIC_USE_PERMITTED и распространение PUBLIC.)

Частые вопросы

Сколько стоит преобразование PDF в Markdown?

4 кредита за страницу, списываются только после успешного преобразования. Страницы рассчитываются на основе созданного текста: каждые полные 1600 символов считаются страницей, минимум — одна страница; количество страниц в PDF дает предварительную оценку, поэтому при нехватке средств система предупредит вас до начала работы.

Можно ли преобразовывать отсканированные PDF-файлы?

Да. Каждая страница проходит через распознавание текста, поэтому сканы и PDF-файлы, созданные из фотографий, преобразуются в текст. Для книг с вертикальной версткой или страниц с необычным порядком чтения используйте извлечение документа.

Куда деваются изображения?

Изображения встраиваются непосредственно в файл .md, поэтому отдельной папки для них нет, и один файл содержит всё необходимое; подписи остаются под каждым изображением. Документы с большим количеством изображений создают соответствующие по размеру файлы.

Сохраняются ли формулы?

Да. Формулы распознаются как LaTeX, записываются как $…$ внутри строки и $$…$$ на отдельной строке и отображаются непосредственно в редакторах Markdown, поддерживающих математические формулы.

Что происходит с таблицами?

Они становятся стандартными таблицами Markdown. Таблицы Markdown не поддерживают объединение ячеек, поэтому объединенные ячейки разделяются, а дополнительные ячейки остаются пустыми.

Выполняется ли также перевод документа?

Нет. Преобразование меняет формат, а не язык. Для перевода используйте функцию перевода файлов; она также может экспортировать в Markdown.