Teksto at mga dokumento na tool

I-convert ang PDF sa Markdown (Text Transcript)

Pumili ng lokal na PDF na hanggang 50 MB at 100 page, pagkatapos ay i-download ang UTF-8 .md transcript na buong ginawa sa browser.

Lokal na pinoproseso sa browserHindi kailangan ng accountMga detalye ng pagkapribado ↗

LOKAL NA TEXT TRANSCRIPT

Kunin ang teksto ng PDF para sa Markdown

Kunin sa browser na ito ang kasalukuyang teksto ng PDF at i-download bilang UTF-8 Markdown transcript. Hindi ina-upload ang PDF.

Walang napiling file

Pumili ng isang lokal na PDF na hanggang 50 MB at 100 pahina.

Pumili ng PDF upang magsimula.

Pagkuha lang ito ng teksto; walang OCR o pagbubuo muli ng layout. Hindi napapanatili ang ayos ng pagbasa sa dalawang column, footnote, formula, font, layout ng pahina, kahulugan ng tagged PDF, talahanayan, heading, listahan, link, larawan, o script.

Paano gamitin

Paano gamitin

  1. Pumili ng isang lokal na PDF na hanggang 50 MB at 100 page.
  2. I-extract ang mga umiiral na PDF.js text object ayon sa available na item order, page kada page.
  3. I-download ang UTF-8 Markdown transcript. Nakahiwalay ang bawat page sa fenced code block.

Naka-embed na text lamang

Binabasa lamang ng tool na ito ang mga umiiral na text object na makukuha sa PDF.js getTextContent(). Hindi nito sinusuri ang larawan ng page, nag-o-OCR, o nagsasabing may nababasang text ang na-scan na page. May tahasang paunawang walang text sa download ang page na walang text object.

Literal na transcript ng bawat page

Nagsisimula ang bawat page sa HTML page marker at gumagamit ng dynamically sized na fenced code block. Nananatiling literal ang source text, pati mga karakter na kahawig ng Markdown at backtick. Walang ginagawang document heading, list, table, larawan, link, script, o muling binuong istruktura ang tool.

Lokal sa browser at may hangganan

Nananatili sa browser na ito ang piniling PDF. Gumagamit ang PDF.js ng same-origin worker ng site at gumagawa ng UTF-8 text/markdown Blob para i-download. Limitado sa 50 MB at 100 page ang isang PDF.

Walang muling pagbuo ng layout o semantika

Hindi maaasahang reading order ang pagkakasunod-sunod ng PDF text object. Hindi napapanatili ang dalawang column, footnote, formula, font, pagitan, orihinal na page layout, tagged-PDF semantics, o accessibility structure.

Mga madalas itanong

Maaari mo ring alamin

Nag-o-OCR ba ito?

Hindi. Naka-embed na PDF text object lamang ang binabasa. May malinaw na paunawa ang image-only o na-scan na page at walang OCR na ibinibigay.

Bakit nasa code block ang bawat page?

Pinananatili nitong literal ang na-extract na text. Hindi magiging Markdown heading, table, list, link, larawan, o script ang tekstong kahawig ng mga ito sa na-download na transcript.

Mapapanatili ba nito ang reading order ng PDF?

Hindi ito maaasahang magagawa. Ginagamit ng tool ang mga PDF.js text item sa available na pagkakasunod-sunod at hindi muling binubuo ang column, footnote, layout, o semantics ng dokumento.

Ina-upload ba ang PDF ko?

Hindi. Binubuksan at lokal na kinukuha ang PDF sa kasalukuyang browser mo.