复制一份转换后的 Markdown,对照 PDF 确认后再移除重复的页眉和页脚。影响文意或标明来源的内容要保留。

区分页面上的重复元素和正文
每页顶部的报告标题在提取后可能插进段落里。页码、重复的版权声明和页眉上的章节名需要分别处理。长表格的重复表头有助于阅读,不能按删除重复页眉的规则一并去掉。
固定裁掉页面顶部和底部并不适用于所有文件。脚注或段落的最后一行也可能出现在这些位置。
确认重复规律后再小范围删除
- 保留原始导出文件。搜索一段容易辨认的重复文字,查看它第一次、中间一次和最后一次出现的位置。
- 核对这些文字在 PDF 上是否确实位于页边。封面和页面方向不同的页面要单独检查。
- 只移除确认为重复页眉或页脚的那一行。会变化的页码应逐个查看,或使用范围严格限定的匹配规则。
- 连起来读一遍每处受影响的段落衔接位置。再用差异对比工具查看被删掉的文字,确认其中没有正文。
保留来源和有意义的注释
如果每页的“年度报告”都插在同一句话的两部分之间,可以删除这些重复项。报告标题在文档标题或来源说明中保留一次。如果各章标题不同,则可在各章开头保留为正式标题。
不要批量删除所有短行或含数字的行。日期、引用标签、表格数值和脚注也会被误删。适用于文档的保密说明或使用限制应保留在来源说明中。清理文本不会改变文档的分享权限。
使用前核对转换结果
转换结果是一份工作副本。保留原始 PDF,核对要引用、用于计算或交给 AI 助手的段落。导出成功只表示生成了文件,内容仍需核对完整性和准确性。
MD Factory 可在 Windows 上将文档转成 Markdown。处理复杂 PDF 表格时,软件会根据版面推断结构,合并单元格和多行内容可能需要手动修复。OCR 准确率取决于原图和文字。是否需要清理、识别结果是否可靠,都要结合原文检查。
问答
页码都要删掉吗?
页码有助于引用和事后核对。把有用的页码移到格式统一的标记中,避免打断句子。
清理后,AI 的回答就会准确吗?
清理可以让输入更易读。回答中的事实仍需对照原文核实。