Konwertuj PDF do edytowalnego Markdown do notatek, wyszukiwania lub pracy z agentem AI. Jeśli strony są zeskanowane, najpierw rozpoznaj tekst przez OCR.

MD Factory konwertuje też dokumenty Office, e-booki, zapisane strony WWW i e-maile. Ten poradnik dotyczy plików PDF.

Papierowe dokumenty połączone fioletową wstążką ze stroną z nagłówkami i listami Markdown.
Od stron dokumentu do edytowalnego Markdown.

Czy Twój PDF wymaga OCR?

Spróbuj skopiować jedno zdanie do edytora tekstu. Jeśli kopiuje się poprawnie, przekonwertuj PDF bezpośrednio. Jeśli nie otrzymasz tekstu, użyj OCR. Sprawdź kilka stron, jeśli dokument zawiera zeskanowane załączniki.

Wybierz narzędzie do konwersji

Do plików PDF z zaznaczalnym tekstem narzędzie Microsoftu MarkItDown oferuje konwersję z wiersza poleceń. Postępuj zgodnie z instrukcją instalacji w Pythonie, utwórz folder docelowy i zastąp te ścieżki własnymi. Wybierz nową nazwę pliku wynikowego:

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

W przypadku skanu najpierw użyj OCR, aby można było wyszukiwać tekst w PDF, a potem przekonwertuj go do Markdown. OCRmyPDF wykonuje ten pierwszy krok; przy uruchamianiu wybierz język dokumentu.

Jeśli rozpoznawanie działa słabo, sprawdź ostrość skanu i nachylenie strony. Wskazówki Tesseract dotyczące OCR wyjaśniają, jak jakość skanu wpływa na wynik.

Jeśli masz oryginalny dokument Word lub arkusz Excel, możesz też przekonwertować go bezpośrednio.

Sprawdź tabele i kolumny

Otwórz Markdown obok PDF. Strony z wieloma kolumnami i tabele mogą wymagać poprawek po konwersji. Zacznij od potrzebnych Ci fragmentów:

  • Przeczytaj tekst na granicach kolumn i stron, aby sprawdzić kolejność zdań.
  • Sprawdź, czy wartości w tabeli pozostały we właściwych wierszach i pod odpowiednimi nagłówkami.
  • Porównaj ważne nazwy, daty, liczby i jednostki z PDF.
  • Usuń powtarzające się nagłówki stron, które rozdzielają akapity.

Ten poradnik wyodrębniania tekstu z PDF opisuje typowe problemy z układem strony. Dodaj notatkę przy nieczytelnych wartościach, zamiast je zgadywać.

Popraw tabelę, w której zniknęły wiersze

Na przykład tabela zawiera 2 notesy po 4,50 i 1 teczkę za 3,00. Po wyodrębnieniu tekstu wartości mogą się zachować, ale wiersze mogą zniknąć:

Item Quantity Unit price
Notebook Folder
2 1
4.50 3.00

Sprawdź źródło, a następnie odtwórz wiersze:

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

Zapisz pliki

Przechowuj Markdown w osobnym folderze docelowym i zachowaj oryginalny PDF do porównania. Jeśli konwerter eksportuje obrazy, przenoś ich folder razem z Markdown, aby linki nadal działały.

Nadawaj plikom opisowe nazwy, takie jak handbook.md, aby łatwo dopasować każdy wynik do źródła. Sprawdź, czy każdy konwertowany plik ma plik wynikowy.

Aby używać wyniku z agentem AI, zajrzyj do naszego poradnika organizowania folderu z dokumentami.