Chuyển lớp văn bản của PDF thành Markdown ngay trên thiết bị - tiêu đề, danh sách và đoạn văn được nhận diện từ cấu trúc tài liệu. Không tải lên.
Đang xử lý cục bộ trên thiết bị của bạn ...
0%
Tệp của bạn chưa bao giờ rời khỏi thiết bị
Không. Mọi thứ chạy trong trình duyệt của bạn - tệp của bạn không bao giờ rời khỏi thiết bị. Cách kiểm chứng điều này
Markdown là định dạng lý tưởng cho ghi chú, wiki, trang web tĩnh và các công cụ trí tuệ nhân tạo: đơn giản, dễ quản lý phiên bản và có thể đọc ở mọi nơi. Trước đây, ai muốn tái sử dụng nội dung của một tệp PDF đều phải sao chép thủ công rất vất vả. Công cụ này đọc lớp văn bản của PDF và trả về dưới dạng Markdown với cấu trúc cơ bản đã được thiết lập sẵn - tiêu đề, danh sách gạch đầu dòng và đoạn văn thay vì một bức tường chữ liên tục.
Cấu trúc được nhận diện bằng thuật toán heuristic: những dòng có cỡ chữ lớn hơn đáng kể so với nội dung chính sẽ trở thành tiêu đề (#, ## hoặc ###), những dòng bắt đầu bằng ký hiệu gạch đầu dòng hoặc số sẽ thành danh sách Markdown, và khoảng cách dọc lớn hơn giữa các dòng đánh dấu đoạn văn mới. Từ các vị trí văn bản thô, công cụ tạo ra một tài liệu Markdown dễ đọc, có thể tái sử dụng - điểm khởi đầu lý tưởng để bạn tinh chỉnh thêm trong trình soạn thảo.
Thành thật mà nói: đây là xấp xỉ cấu trúc, không phải tái tạo bố cục hoàn hảo. Bảng biểu, trang nhiều cột và định dạng chi tiết không thể được trích xuất không mất mát từ lớp văn bản. Giống như trích xuất văn bản thuần túy: PDF được quét hoặc chỉ chứa hình ảnh không có lớp văn bản - kết quả sẽ trống và bạn cần dùng PDF OCR thay thế. Mọi xử lý đều chạy cục bộ trên trình duyệt qua pdf.js; tệp của bạn không rời khỏi thiết bị.
| Định dạng đầu vào | |
|---|---|
| Định dạng đầu ra | MD |
| Xử lý hàng loạt | Không |
| Xử lý | Cục bộ trong trình duyệt (JavaScript) |
| Tải tệp lên | Không có |
Giới hạn: Chuyển đổi lớp văn bản hiện có của PDF thành Markdown (UTF-8 .md). Tiêu đề, danh sách và đoạn văn được nhận diện theo heuristic dựa trên cỡ chữ và khoảng cách - xấp xỉ cấu trúc, không phải tái tạo bố cục chính xác. Bảng và trang nhiều cột chỉ được xấp xỉ tuyến tính. PDF quét hoặc chỉ chứa hình ảnh không có lớp văn bản; kết quả sẽ trống, hãy dùng PDF OCR. Mở khóa PDF có mật khẩu trước.
Dựa vào cỡ chữ: những dòng lớn hơn đáng kể so với nội dung chính sẽ được chuyển thành #, ## hoặc ### tùy theo tỷ lệ.
Không. Quá trình chuyển đổi chỉ là xấp xỉ cấu trúc; bảng và bố cục nhiều cột chỉ được xấp xỉ tuyến tính, không được tái tạo chính xác.
PDF của bạn có thể là bản quét hoặc chỉ gồm hình ảnh và không có lớp văn bản. Hãy dùng PDF OCR để nhận diện văn bản từ điểm ảnh.
Không. Quá trình chuyển đổi chạy hoàn toàn cục bộ trên trình duyệt qua pdf.js; tệp không rời khỏi thiết bị của bạn.