MDUtil

PDF Markdown 変換

PDF を開くと、文字から見出し・リスト・表・リンクを組み立て直した Markdown になります。ファイルはブラウザ内で変換され、アップロードされません。

PDF ファイル

ここにファイルをドロップするか、ファイルを選んでください

100 MB までの PDF

ファイルを選ぶ
PDF を開くと、ここに Markdown が表示されます。
0 文字0 行

対応している内容

文字サイズから見出し
大きい行や太字の行は # の見出しになり、文書全体の文字サイズで階層を決めます。
リストと表
箇条書き、番号、図形で描かれたリスト記号は Markdown のリストに、列に並んだ文字は表になります。
リンクと脚注
クリックできるリンクはアドレスを保ち、上付きの注番号は Markdown の脚注になります。
ページの区切りを整理
ページごとのヘッダー、フッター、ページ番号を取り除き、ページをまたぐ段落をつなげます。
日本語と中国語
CJK の文字を正しい文字マップで読み取り、折り返した行は余計な空白なしにつなげます。
コードブロック
等幅フォントの文字はフェンスコードブロックになり、次のページに続くブロックも 1 つにまとめます。

コマンドラインで PDF を Markdown に変換する

MarkItDown

Microsoft の MarkItDown は PDF の文字を速く読み取りますが、構造はあまり残りません。

pip install 'markitdown[pdf]'
markitdown report.pdf -o report.md

Marker

Marker は機械学習モデルでスキャン、数式、複雑な表を読み取ります。グラフィックカードのあるパソコンで最もよく動きます。

pip install marker-pdf
marker_single report.pdf --output_dir out

Pandoc は PDF を書き出せますが、読み込むことはできません。

よくある質問

PDF を Markdown に変換するには？

上で PDF を開き、右側の Markdown をコピーまたはダウンロードします。PDF はブラウザ内で 1 ページずつ読み込まれます。

スキャンした PDF も変換できますか？

できません。スキャンしたページは文字の画像なので読み取れる文字がなく、そのような PDF では通知が表示されます。先に OCR で文字を認識し、その結果を変換してください。

表や段組みが崩れるのはなぜ？

PDF には各文字の位置だけが記録され、どの表やどの段に属するかは記録されないため、レイアウトから推定します。単純な表はきれいに変換できますが、結合セルのある表や多段組みのページは手直しが必要な場合があります。

数式は LaTeX になりますか？

なりません。数式は印刷されている文字のまま出力されます。数式の多い論文には、機械学習モデルで LaTeX を組み立て直す Marker が向いています。

ファイルサイズの上限は？

100 MB までです。すべてのページをブラウザ内で読み込むため、長い文書ほど時間がかかります。

PDF はアップロードされますか？

されません。変換はブラウザ内で行われ、ファイルが端末の外に出ることはありません。