PDF sang Markdown
Trích xuất văn bản của tệp PDF và lưu thành Markdown (.md), rất tiện để biến báo cáo và tài liệu thành ghi chú có thể chỉnh sửa. Trang quét cần OCR thay thế.
Kéo thả tệp PDF vào đây
hoặc bấm để chọn tệp
Trích xuất văn bản của một tệp PDF và lưu thành Markdown, với tiêu đề, đoạn văn và danh sách được dựng lại ở những chỗ bố cục cho phép nhận ra chúng. Rất tiện để biến một báo cáo, một sổ tay hướng dẫn hay một tập ghi chú thành thứ bạn có thể sửa và quản lý phiên bản.
PDF là định dạng để in, nên cấu trúc phải được suy ra từ cách văn bản được đặt vị trí - kết quả là một bản nháp đầu tiên khá tốt, có thể cần dọn lại với những trang phức tạp. Tài liệu quét không có lớp văn bản nào cả và cần OCR trước bước này.
Cách chuyển PDF sang Markdown
Thêm tệp PDF của bạn
Trích xuất và chuyển đổi
Sao chép Markdown hoặc tải tệp .md về
Câu hỏi thường gặp
Vì sao tệp PDF quét của tôi trống?
Một bản quét là hình ảnh của chữ và không có lớp văn bản, nên không có ký tự nào để trích xuất. Hãy chạy OCR trên tệp trước rồi chuyển đổi kết quả.
Cấu trúc có được giữ nguyên không?
Tiêu đề, đoạn văn và danh sách đơn giản được dựng lại. Bố cục nhiều cột, bảng và hộp văn bản cho ra kết quả gần đúng theo thứ tự đọc - hãy coi kết quả là một bản nháp.
Tôi có thể chỉ chuyển một số trang không?
Có, hãy trích xuất một phạm vi trang bằng công cụ PDF trước, hoặc chuyển cả tài liệu rồi xoá những phần bạn không cần.
Hình ảnh có được mang theo không?
Không, chỉ có văn bản. Hãy dùng công cụ PDF sang ảnh hoặc công cụ trích xuất ảnh nếu bạn cần hình ảnh dưới dạng tệp.
Công cụ có xử lý văn bản phi Latinh không?
Có, miễn là tệp PDF nhúng các phông chữ cần thiết để hiển thị ký tự - tài liệu tiếng Trung, Nhật, Hàn, Kirin và Ả Rập thường được trích xuất đúng.
Tệp PDF của tôi có bị tải lên không?
Không, việc trích xuất chạy trong trình duyệt của bạn.
Tổng quan nhanh
| Đầu vào | |
|---|---|
| Nhiều tệp cùng lúc | Không |
| Chạy ở đâu | Ngay trong trình duyệt - tệp không bao giờ bị tải lên |
| Dùng được ngoại tuyến | Có — sau khi trang đã tải xong |
| Giá | Miễn phí, không đăng ký, không hình mờ |
Những gì còn lại sau một lần chuyển đổi
Cấu trúc thường còn nguyên, còn định dạng thì thường không. Tiêu đề, đoạn văn, danh sách, liên kết, chữ đậm và chữ nghiêng chuyển đổi sạch sẽ giữa Markdown, HTML, Word và PDF. Thứ hay bị vỡ là bất cứ gì dựa vào kiểu trình bày thay vì cấu trúc: các lớp CSS và màu tuỳ chỉnh biến mất, bảng lồng nhau phức tạp sụp thành những bảng khó đọc, HTML nhúng có thể bị loại bỏ để bảo đảm an toàn, và hình ảnh hoặc vẫn là liên kết hoặc bị tải về tuỳ công cụ. Chú thích và công thức toán thường cần được hỗ trợ riêng. Nếu kết quả quan trọng, hãy chuyển thử một mẫu trước - một tài liệu có bảng, khối mã, liên kết và hình ảnh sẽ để lộ gần như mọi vấn đề bạn sắp gặp.
Dùng kết quả trong thực tế
Tệp đã chuyển đổi sẽ đi đâu tiếp theo quyết định bạn nên tạo ra định dạng nào. Dán vào một CMS hay một trung tâm trợ giúp thường có nghĩa là HTML, vì những hệ thống đó lưu và kết xuất lại phần đánh dấu. Gửi một hợp đồng, một hoá đơn hay bất cứ thứ gì ai đó sẽ ký có nghĩa là PDF, vì bố cục cố định và tệp không thể bị sửa nhầm. Chỉnh sửa về sau có nghĩa là Word, vì đó là thứ người ta thực sự sẽ mở ra. Đưa vào một script hay một trình tạo site tĩnh có nghĩa là giữ nguyên Markdown. Chuyển sang sai đích là lý do phổ biến nhất khiến một tài liệu "trông sai" về sau - nội dung vẫn nguyên vẹn, nhưng đích đến vốn dĩ không bao giờ giữ được kiểu định dạng cụ thể đó.