⭐ 0
🔍
Tekst Pilt PDF ja dokumendid Heli Muusika Elektroonika Aeg Kommunaalteenused Validaatorid Esoteeriline Mängud

PDF-Markdown-muundur

Väljasta PDF-i tekst struktureeritud Markdownina: pealkirjad tuvastatakse fondisuuruse järgi, loendid tuvastatakse täppide ja taande järgi – mitte ühtlane tekstiplokk.

🔒 Töödeldud täielikult teie brauseris – midagi, mida siia sisestate, ei laadita kunagi üles.

📑

Lohista PDF-dokument siia

või klõpsa PDF-failide sirvimiseks

Töötlen... 0%
PDF-i laadimine
Teksti väljavõtmine koos positsioonidega
Pealkirjade ja struktuuri tuvastamine
Valmis

Tulemus

Tavaline „PDF tekstiks” tõlge annab sulle kõik sõnad, kuid ilma igasuguse struktuurita: lehekülje pealkiri loeb nagu allmärkus ja täpploend muutub üheks jooksvaks lauseks. See tööriist läheb sammu edasi, lugedes igast tekstielemendist PDF-is selle tegeliku fondisuuruse ja asukoha – kasutades sama pdf.js mootorit, mida selle saidi teised PDF-tööriistad – ning kasutab seda visuaalset tõendusmaterjali struktuuri taastamiseks: pealkirjad, loendiüksused ja lõigud, mis kirjutatakse välja Markdownina.

Tuvastus põhineb tõepoolest mõõtmistel, mitte oletusel, mis on oletuseks maskeeritud. Tekstielemendid lehel rühmitatakse ridadeks nende vertikaalsete positsioonide läheduse alusel, iga rea fondisuurus arvutatakse selle teksti renderdusmaatriksi põhjal ning seda suurust võrreldakse kogu dokumendi mediaanse reasuurusega – suurusega, mida enamik ridu tegelikult kasutab, s.t tavalise põhitekstiga. Sellest mediaanist märgatavalt suurem rida muutub Markdowni pealkirjaks (kõige suurematest ridadest saab #, mõõdukalt suurematest ##); rida, mis algab täpploendi märgiga või on ümbritsevatest ridadest taandatud, muutub `- ` loendiüksuseks; kõike muud käsitletakse põhitekstina ja ühendatakse lõikudeks.

See on ausalt öeldes heuristika, mitte struktuurianalüsaator: PDF-failid ei sisalda garanteeritud semantilist märgendust, vaid ainult visuaalseid juhiseid selle kohta, kuhu tinti panna, seega võib kujundaja ebatavaline fondivalik vahel suuruse võrdlust eksitada, ning tabelid on otsesõnu välistatud – lahtrite paigutust ei saa usaldusväärselt taandada pealkirjadeks, loenditeks ega lõikudeks ja see tööriist ei teesegi vastupidist. Iga lehekülg on väljundis selgelt tähistatud eraldusmärgiga „Lehekülg N”, järgides selle saidi PDF-tekstiks-tööriista tava.

Skaneeritud lehti koheldakse sama ausalt nagu mujal sellel saidil: leht, mis on tegelikult vaid paberist foto, ei sisalda üldse tekstikihti, nii et tühja lõigu vaikimisi loomise asemel märgib tööriist täpselt, milliseid lehti ei suudetud lugeda, ja juhatab nende jaoks Pilt tekstiks (OCR) tööriista juurde. Kõik töötab lokaalselt sinu brauseris – midagi ei laadita üles, leheküljepiiranguid pole ja tulemus ilmub tekstikasti, mida saad kopeerida või salvestada .md-failina, mis avaneb igas Markdowni toetavas redaktoris.

Meeldib see tööriist? Arvad, et see toode on kasulik? Näed selles potentsiaali ja soovid seda toetada?

🛡️
Käivitatakse brauseris

Sinu failid ja sisestused ei lahku sellest seadmest. Töötlus toimub täiesti võrguühenduseta. 100% turvaline.

Aktsepteeritud formaadid ja reeglid

  • Fondisuuruse suhte alusel pealkirjade (H1/H2) tuvastamine dokumendi mediaanse põhiteksti suuruse suhtes.
  • Täpploendi märkide ja taande põhine loendituvastus, lisaks lõiguühendus tavaliste põhiteksti ridade jaoks.
  • Lehekülje kaupa tähised „Lehekülg N” ja aus märge skaneeritud lehtedel, millel pole tekstikihti.

Peamised eelised

✓ Privaatne olemuselt: PDF-i loetakse lokaalselt sinu brauseris ja seda ei laadita kunagi serverisse üles.
✓ Pealkirjad tuvastatakse tegelike fondisuuruse ja -asendi andmete põhjal, mitte ainult vormingu järgi aimates – põhitekstist märgatavalt suurem rida muutub # või ## pealkirjaks.
✓ Täpploendi märgid ja taanded muutuvad Markdowni loendiüksusteks, nii et struktuur säilib, selle asemel et lõikudeks kokku joosta.
✓ Markdown kopeeri lõikelauale või lae alla .md-failina – ilma kontodeta, ilma vesimärkideta.

Kasutusjuhud

  • • Tee aruande- või artikli-PDF Markdown-failiks, et kasutada seda staatilisel saidil või märkmete rakenduses – pealkirjad ja täpploendid säilivad, selle asemel et vajuda lamedateks lõikudeks.
  • • Too pika PDF-i struktuur Markdown-redaktorisse ümberkorraldamiseks või kokkuvõtte tegemiseks, kasutades automaatselt tuvastatud # / ## pealkirju ankrupunktidena, ilma et peaksid kogu dokumenti uuesti läbi lugema.
  • • Sööda PDF-i struktureeritud tekst Markdowni toetavasse töövoogu (vikisse, dokumentatsioonigeneraatorisse, LLM-i sisendisse), ilma et peaksid iga pealkirja ja loendit käsitsi vormindama.