Конвертируйте PDF в редактируемый Markdown для заметок, поиска или ИИ-агента. Если страницы отсканированы, сначала распознайте текст с помощью OCR.

MD Factory также конвертирует документы Office, электронные книги, сохранённые веб-страницы и письма. Эта статья посвящена PDF.

Бумажные документы соединены фиолетовой лентой со страницей с заголовками и списками Markdown.
Из страниц документа — в редактируемый Markdown.

Нужен ли вашему PDF OCR?

Попробуйте скопировать одно предложение в текстовый редактор. Если оно копируется правильно, конвертируйте PDF сразу. Если текст не копируется, используйте OCR. Проверьте несколько страниц, если в документе есть отсканированные приложения.

Выберите инструмент для конвертации

Для PDF, в котором можно выделить текст, утилита Microsoft MarkItDown позволяет конвертировать файлы через командную строку. Следуйте инструкции по установке на Python, создайте папку для результата и замените эти пути своими. Выберите новое имя выходного файла:

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

Для скана сначала используйте OCR, чтобы текст в PDF стал доступен для поиска, затем конвертируйте его в Markdown. OCRmyPDF выполняет этот первый шаг; при запуске выберите язык документа.

Если текст распознан плохо, проверьте чёткость скана и наклон страницы. Рекомендации Tesseract по OCR объясняют, как качество скана влияет на результат.

Если у вас есть исходный документ Word или таблица Excel, их тоже можно конвертировать напрямую.

Проверьте таблицы и колонки

Откройте Markdown рядом с PDF. После конвертации многоколоночные страницы и таблицы могут потребовать правок. Начните с нужных вам частей:

  • Прочитайте текст на границах колонок и страниц, чтобы проверить порядок предложений.
  • Убедитесь, что значения в таблице остались в нужных строках и под правильными заголовками.
  • Сверьте важные имена, даты, числа и единицы измерения с PDF.
  • Удалите повторяющиеся колонтитулы, которые разрывают абзацы.

В руководстве по извлечению текста из PDF разобраны типичные проблемы с вёрсткой. Если значение нельзя прочитать, отметьте это рядом, а не пытайтесь его угадать.

Исправьте таблицу, в которой смешались строки

Например, в таблице указаны 2 блокнота по 4,50 и 1 папка за 3,00. При извлечении значения могут сохраниться, а строки — смешаться:

Item Quantity Unit price
Notebook Folder
2 1
4.50 3.00

Сверьтесь с источником и восстановите строки:

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

Сохраните файлы

Храните Markdown в отдельной папке, а исходный PDF оставьте для сверки. Если конвертер сохраняет изображения, перемещайте их папку вместе с Markdown, чтобы ссылки продолжали работать.

Давайте файлам понятные имена, например handbook.md, чтобы каждый результат было легко сопоставить с источником. Убедитесь, что для каждого конвертированного файла есть результат.

Чтобы использовать результат с ИИ-агентом, прочитайте наше руководство по организации папки с документами.