Pretvornik PDF-a u Markdown
Izdvojite tekst PDF-a kao strukturirani Markdown: prepoznavanje stvarnog naslova prema veličini fonta, prepoznavanje popisa prema grafičkim oznakama i uvlaci — a ne jedan ravni zid teksta.
Rezultat
Obična kopija "PDF u tekst" daje vam svaku riječ bez ikakvog oblika: naslov stranice čita se točno kao fusnota, a popis s grafičkim oznakama pretvara se u beskrajnu rečenicu. Ovaj alat ide korak dalje čitanjem stvarne veličine fonta i položaja svake tekstualne stavke iz PDF-a — preko istog pdf.js mehanizma koji koriste i drugi PDF alati ove stranice — i korištenjem tog vizualnog dokaza za rekonstrukciju strukture: naslova, stavki popisa i odlomaka, ispisanih kao Markdown.
Otkrivanje se istinski temelji na mjerenju, a ne na nagađanju. Tekstualne stavke na stranici grupirane su u retke prema tome koliko su blizu njihovi okomiti položaji, veličina fonta svakog retka izračunava se iz vlastite matrice za prikaz teksta, a ta se veličina uspoređuje s srednjom veličinom retka za cijeli dokument — veličinom koju većina redaka zapravo koristi, tj. obični tekst. Redak koji je primjetno veći od tog medijana postaje Markdown naslov (najveći redovi postaju #, oni umjereno veći postaju ##); redak koji počinje znakom grafičke oznake ili je uvučen iza okolnih redaka postaje `- ` stavka popisa; sve ostalo se tretira kao tijelo teksta i spojeno u paragrafe.
Ovo je iskreno heuristika, a ne strukturni parser: PDF datoteke ne sadrže zajamčeno semantičko označavanje, samo vizualne upute o tome kamo ide tinta, tako da neobični izbori fontova dizajnera mogu povremeno zavarati usporedbu veličine, a tablice su izričito izvan opsega - raspored ćelija ne svodi se na naslove, popise ili odlomke na bilo koji pouzdan način, a ovaj alat ne tvrdi suprotno. Svaka je stranica jasno označena razdjelnikom "Stranica N" u ispisu, što odgovara konvenciji koju koristi alat za pretvaranje PDF-a u tekst ove stranice.
Skenirane stranice dobivaju isti pošteni tretman kao i drugdje na ovoj web-lokaciji: stranica koja je zapravo samo fotografija papira uopće nema tekstualni sloj, pa umjesto tihog stvaranja praznog odjeljka, alat točno bilježi koje stranice nije mogao pročitati i za njih upućuje na alat Image to Text (OCR). Sve se izvodi lokalno u vašem pregledniku — ništa se ne učitava, nema ograničenja stranica, a rezultat se nalazi u tekstualnom okviru koji možete kopirati ili spremiti kao .md datoteku koja se otvara u bilo kojem uređivaču koji podržava Markdown.
Vaše datoteke i unosi nikada ne napuštaju ovaj uređaj. Obrada se odvija potpuno offline. 100% siguran.
Prihvaćeni formati i pravila
- Detekcija naslova omjera veličine fonta (H1/H2) u odnosu na srednju veličinu teksta dokumenta.
- Detekcija popisa na temelju grafičkih oznaka i uvlaka, plus spajanje odlomaka za obične retke tijela.
- Oznake "Stranica N" po stranici i iskrena bilješka na skeniranim stranicama bez tekstualnog sloja.
Ključne prednosti
Slučajevi upotrebe
- • Pretvorite izvješće ili članak u PDF formatu Markdown za statičnu stranicu ili aplikaciju za bilježenje, s očuvanim naslovima i popisima s grafičkim oznakama umjesto sažetim u ravne odlomke.
- • Povucite obris dugačkog PDF-a u uređivač Markdown da biste ga reorganizirali ili saželi, koristeći automatski otkrivene naslove # / ## kao sidrišne točke umjesto ponovnog čitanja cijelog dokumenta.
- • Ubacite strukturirani tekst PDF-a u cjevovod s obzirom na Markdown (wiki, generator dokumentacije, upit za LLM) bez ručnog oblikovanja svakog naslova i popisa.
Ocijenite ovaj alat
