PDF から Markdown に変換（テキスト記録）
50 MB 以下、100 ページ以下のローカル PDF を選び、ブラウザー内だけで作成した UTF-8 .md 記録をダウンロードします。
ローカルテキスト書き起こし
Markdown向けPDFテキストを抽出
このブラウザーでPDF内の既存テキストを抽出し、UTF-8のMarkdownとしてダウンロードします。PDFはアップロードされません。
テキスト抽出のみで、OCRやレイアウトの再構成は行いません。二段組の読み順、脚注、数式、フォント、ページレイアウト、タグ付きPDFの意味情報、表、見出し、リスト、リンク、画像、スクリプトは保持できません。
使い方
使い方
- 50 MB 以下、100 ページ以下のローカル PDF を選びます。
- PDF.js の利用可能な項目順で、既存のテキストオブジェクトをページごとに抽出します。
- UTF-8 Markdown 記録をダウンロードします。各ページは個別のフェンス付きコードブロックに分離されます。
埋め込みテキストのみ
このツールは PDF.js getTextContent() から利用できる既存のテキストオブジェクトのみを読み取ります。ページ画像を調べたり OCR を実行したり、スキャンページに読めるテキストがあると主張したりしません。テキストオブジェクトのないページはダウンロードに明確なテキストなしの通知を付けます。
ページごとの文字どおりの記録
各ページは HTML ページマーカーから始まり、動的な長さのフェンス付きコードブロックを使います。Markdown のような文字やバッククォートも含め、ソーステキストをそのまま保持します。文書見出し、リスト、表、画像、リンク、スクリプト、再構築した構造は作成しません。
ブラウザーローカルで上限付き
選択した PDF はこのブラウザー内に留まります。PDF.js はサイトと同一オリジンの worker を使い、ダウンロード用の UTF-8 text/markdown Blob を作成します。PDF は 1 件 50 MB、100 ページまでです。
レイアウトや意味構造を再構築しません
PDF テキストオブジェクトの順序は、信頼できる読み順とは限りません。段組み、脚注、数式、フォント、間隔、元のページレイアウト、タグ付き PDF の意味構造、アクセシビリティ構造は保持されません。
よくある質問
あわせて知りたいこと
OCR を実行しますか？
いいえ。埋め込み PDF テキストオブジェクトのみを読み取ります。画像のみまたはスキャンされたページには明確な通知を付け、OCR は提供しません。
各ページがコードブロックに入るのはなぜですか？
抽出テキストを文字どおりに保つためです。Markdown の見出し、表、リスト、リンク、画像、スクリプトのようなテキストが、ダウンロードした記録内で構造に変換されません。
PDF の読み順を保持しますか？
保証できません。PDF.js が利用可能な順で返すテキスト項目を使用し、段組み、脚注、レイアウト、文書の意味構造は再構築しません。
PDF はアップロードされますか？
いいえ。PDF は現在のブラウザーで開かれ、ローカルに抽出されます。