为什么要把PDF转成Markdown?
PDF把文字固定在页面上的特定位置,非常适合打印,但想要处理其中的文字时就很不方便。从PDF中复制文字,常常会遇到断行、标题丢失,甚至句子中间夹着页码。Markdown是用简单符号标出结构的纯文本,直接阅读也很清楚,在任何Markdown编辑器中都会显示成一个整齐的页面。
典型用途:
- 把文档交给AI工具。把报告或合同以保留标题和表格的整洁文本粘贴到ChatGPT、Claude、Gemini或Copilot中,而不是一堆零散复制的行。
- 做笔记。把文章、课堂讲义或说明书导入Obsidian、Notion、Logseq、Bear或Joplin。
- 技术文档和GitHub。把PDF格式的说明书或规格说明变成README、Wiki页面或文档页面。
- 在纯文本编辑器中编辑。Markdown便于修改和比较,也适合用版本控制管理。
哪些内容会保留
| PDF中的内容 | Markdown文件中的效果 |
|---|---|
| 标题 | “#”和“##”标题 |
| 段落 | 用空行分隔的段落 |
| 粗体和斜体 | 保留,用星号标记 |
| 项目符号(•、◦、▪) | “- ”列表项 |
| 简单表格 | Markdown(GFM)表格;数字列右对齐 |
| 图片 | 不包含,或保存在images文件夹中(ZIP) |
| 页码、分页 | 在“连续文本”中去掉;在“保留PDF页面”中按页标记 |
| 字体、颜色、分栏 | 不保留 |
让结果更整洁的小贴士
- 使用原始文件。从Word、Google文档或LaTeX导出的PDF,转换效果比扫描件或拍下来的页面好得多。
- 只转换需要的部分。如果PDF很长,先提取需要的页面。Markdown文件越短,AI工具也越容易一次处理完。
- 先去掉隐私信息。把文档粘贴到在线AI工具之前,用PDF涂黑脱敏去掉姓名和号码,或者直接在.md文件中删除。指南如何为ChatGPT准备PDF会逐项说明需要检查的地方。
- 预览转换结果。在Markdown编辑器或GitHub上打开.md文件,标题和表格一目了然。
需要其他格式?PDF转文字只提取不带任何标记的纯文本,PDF转HTML可生成网页,PDF转Word则生成可编辑的文档。
遇到问题时
Markdown文件是空的或几乎是空的。这个PDF可能是扫描件,页面都是没有文字的图片。请先用PDF文字识别(OCR)把它变成可搜索的文件。
字词连在一起或被奇怪地拆开。有些PDF把每个字符单独存储,或者使用了特殊字体。文字会尽可能放在正确的位置;个别有问题的词,可以用文本编辑器修正。
普通的行被误认成标题,或者标题没有被识别出来。标题是根据字号和粗细来判断的。在行首添加或删除“#”即可。
PDF要求输入密码。请用您知道的密码,在解密PDF中打开它,再转换解锁后的副本。