PDF 到 Markdown 转换器

简单的“PDF 到文本”转储会为您提供没有任何形状的每个单词：页面标题读起来就像脚注一样，项目符号列表变成连续的句子。该工具更进一步，通过该网站其他 PDF 工具使用的相同 pdf.js 引擎，从 PDF 中读取每个文本项的真实字体大小和位置，并使用该视觉证据来重建结构：标题、列表项和段落，以 Markdown 形式编写。

该检测是真正基于测量的，而不是伪装的猜测。页面上的文本项根据其垂直位置的接近程度分为行，每行的字体大小是根据其自己的文本渲染矩阵计算的，并将该大小与整个文档的中线大小进行比较 - 大多数行实际使用的大小，即普通正文文本。明显大于中位数的行成为 Markdown 标题（最大的行成为 #，稍大的行成为 ##）；以项目符号字符开头或缩进超过周围行的行成为“-”列表项；其他所有内容都被视为正文并合并到段落中。

这实际上是一个启发式的，而不是一个结构解析器：PDF 文件没有保证语义标记，只有墨水去向的视觉指示，因此设计者不寻常的字体选择有时会欺骗大小比较，并且表格明确超出范围 - 单元格布局不会以任何可靠的方式简化为标题、列表或段落，并且该工具不会假装不是这样。每个页面在输出中都清楚地标有“第 N 页”分隔线，与该网站的 PDF 转文本工具使用的约定相匹配。

扫描的页面得到与本网站其他地方相同的诚实对待：实际上只是纸质照片的页面根本没有文本层，因此该工具不会默默地生成一个空白部分，而是准确记录它无法读取的页面，并指向这些页面的图像到文本 (OCR) 工具。一切都在您的浏览器本地运行 - 没有任何内容上传，没有页面限制，结果会出现在一个文本框中，您可以复制或另存为 .md 文件，该文件可以在任何支持 Markdown 的编辑器中打开。