Ubah PDF menjadi Markdown yang bisa diedit untuk catatan, pencarian, atau agen AI. Jika halamannya berupa hasil pindai, gunakan OCR untuk mengenali teks terlebih dahulu.

MD Factory juga mengonversi dokumen Office, ebook, halaman web tersimpan, dan email. Panduan ini membahas PDF.

Dokumen kertas yang dihubungkan dengan pita ungu ke halaman berisi judul dan daftar Markdown.
Dari halaman dokumen menjadi Markdown yang bisa diedit.

Apakah PDF Anda memerlukan OCR?

Coba salin satu kalimat ke editor teks. Jika tersalin dengan benar, konversikan PDF secara langsung. Jika tidak ada teks yang tersalin, gunakan OCR. Coba beberapa halaman jika dokumen memiliki lampiran hasil pindai.

Pilih alat konversi

Untuk PDF dengan teks yang bisa dipilih, MarkItDown dari Microsoft menyediakan pilihan lewat baris perintah. Ikuti panduan instalasi Python, buat folder hasil konversi, lalu ganti jalur file ini dengan jalur Anda sendiri. Pilih nama file hasil yang baru:

markitdown "C:\Docs\handbook.pdf" -o "C:\Markdown\handbook.md"

Untuk hasil pindai, jalankan OCR agar teks PDF bisa dicari, lalu konversikan menjadi Markdown. OCRmyPDF menangani langkah pertama ini; pilih bahasa dokumen saat menjalankannya.

Jika teks tidak dikenali dengan baik, periksa apakah hasil pindai jelas dan tidak miring. Panduan OCR Tesseract menjelaskan pengaruh kualitas hasil pindai terhadap hasil pengenalan teks.

Jika Anda memiliki dokumen Word atau lembar kerja Excel asli, Anda juga bisa mengonversinya secara langsung.

Periksa tabel dan kolom

Buka Markdown di samping PDF. Halaman dengan beberapa kolom dan tabel mungkin perlu dirapikan setelah konversi. Mulailah dari bagian yang Anda perlukan:

  • Baca teks yang melintasi batas kolom atau halaman untuk memeriksa urutan kalimat.
  • Pastikan nilai dalam tabel tetap terhubung dengan baris dan label yang benar.
  • Cocokkan nama, tanggal, angka, dan satuan penting dengan PDF.
  • Hapus kepala halaman berulang yang memotong paragraf.

Panduan ekstraksi PDF ini membahas masalah tata letak yang umum. Beri catatan di samping nilai yang tidak terbaca, alih-alih menebaknya.

Perbaiki tabel yang kehilangan barisnya

Misalnya, sebuah tabel mencantumkan 2 buku catatan dengan harga masing-masing 4,50 dan 1 folder seharga 3,00. Ekstraksi mungkin mempertahankan nilai, tetapi kehilangan susunan barisnya:

Item Quantity Unit price
Notebook Folder
2 1
4.50 3.00

Periksa sumbernya, lalu susun kembali barisnya:

| Item | Quantity | Unit price |
| --- | --- | --- |
| Notebook | 2 | 4.50 |
| Folder | 1 | 3.00 |

Simpan file Anda

Simpan Markdown dalam folder hasil yang terpisah dan pertahankan PDF asli sebagai rujukan. Jika alat konversi mengekspor gambar, pindahkan folder gambar bersama Markdown agar tautannya tetap berfungsi.

Gunakan nama file yang jelas, seperti handbook.md, agar setiap hasil bisa dicocokkan dengan sumbernya. Pastikan setiap file yang dikonversi memiliki file hasil.

Untuk menggunakan hasilnya dengan agen AI, ikuti panduan kami untuk menata folder dokumen.