PDF para Markdown

Transforme um PDF em um .md limpo, com títulos, listas, ênfase e links funcionando, pronto para o seu app de notas ou repositório.

Solte seus arquivos aqui

.pdf · até 300 MB

Escolher arquivos

Detectar níveis automaticamenteSó o primeiro nívelSem títulos

Mais configurações

ImagensPáginasMarcar quebras de páginaAdicionar front matter YAMLTamanho mínimo para título1.15×

Como Converter para Markdown

1
Adicione seu PDF
Solte um arquivo ou até dez. O próprio navegador abre o documento, então nada é enviado para um servidor.
2
Escolha a detecção de títulos e as imagens
Mantenha os níveis de título automáticos, deixe tudo em um nível só ou dispense os títulos. Decida se as imagens serão extraídas, mencionadas ou ignoradas.
3
Baixe o .md
Salve o arquivo Markdown, ou um ZIP com a pasta de imagens ao lado, se você pediu as imagens.

Como recuperar a estrutura de um arquivo que não tem nenhuma

Um PDF não sabe o que é um título. Ele sabe que alguns glifos têm 26 pontos de altura e outros têm 10, e só. Por isso o conversor mede o documento primeiro: monta um histograma dos tamanhos de fonte, ponderado pela quantidade de caracteres em cada tamanho, e o tamanho com mais peso vira o texto do corpo. Tudo o que é visivelmente maior vira título, e os tamanhos de título distintos são ordenados: o maior é o nível um, o seguinte é o nível dois e o resto fica no nível três. Linhas que terminam em ponto final ou passam de 180 caracteres nunca são promovidas, porque uma frase longa em fonte grande é uma citação em destaque, não um título. Marcadores e números no início da linha viram itens de lista, e o aninhamento deles vem do tamanho do recuo.

Ênfase, links, código e imagens

Negrito e itálico vêm dos nomes reais das fontes dentro do arquivo, então um trecho composto em seminegrito sai entre asteriscos. As anotações de link são associadas ao texto sobre o qual estão e reescritas como links Markdown corretos, com os endereços de destino. Linhas em fonte monoespaçada vão para um bloco de código cercado, com o espaçamento intacto, e blocos recuados no tamanho do corpo viram citações. As imagens podem ser extraídas como arquivos PNG para uma pasta de imagens ao lado do Markdown, mencionadas como legendas ou deixadas de fora. O front matter opcional acrescenta um bloco YAML com título, número de páginas, nome do arquivo de origem e data, para geradores de sites estáticos e cofres de notas.

Nada é enviado

A conversão roda inteira dentro da aba do navegador. Seu PDF é analisado na memória, o Markdown é montado ali mesmo e o download sai direto da página. Nenhum arquivo passa pela rede, não é preciso ter conta e não fica cópia em servidor nenhum para você se preocupar depois. Feche a aba e não sobra nenhum rastro.

Perguntas frequentes

Como os níveis de título são definidos?

Pelo tamanho da fonte em relação ao texto do corpo do documento, e não por alguma tag do arquivo. O maior tamanho de título vira nível um, o segundo maior vira nível dois e todo o resto, nível três. Você pode aumentar ou diminuir o limite se o documento usa diferenças de tamanho sutis.

Por que minhas tabelas não são convertidas?

Porque uma tabela em PDF é só um desenho de traços com texto solto por cima, sem nenhum registro de linhas ou células. O texto das células é mantido, mas a grade não pode ser reconstruída de forma confiável. Quando uma grade é detectada, você recebe um aviso e a indicação da ferramenta PDF para Excel, feita para esse trabalho.

E se o meu PDF for digitalizado?

Nesse caso não há texto para marcar, e você recebe uma mensagem clara em vez de um arquivo vazio. Passe o documento por OCR antes para criar uma camada de texto, depois converta aqui, e os títulos e listas serão detectados normalmente.

Posso extrair as imagens também?

Sim. Coloque as imagens no modo de extração, e o resultado é um ZIP com o arquivo .md e uma pasta de imagens, com cada imagem referenciada no lugar certo do texto. Imagens menores que 100 por 100 pixels são tratadas como ícones e ignoradas.

Os hiperlinks são mantidos?

Sim. As anotações de link são associadas às palavras que cobrem e escritas como links Markdown, então tanto o texto âncora quanto o endereço são preservados. Links que apontam para dentro do documento, e não para a web, ficam como texto simples.

Qual a diferença para extrair só o texto?

O texto simples entrega as palavras e nada mais. O Markdown mantém a forma do documento: níveis de título, aninhamento de listas, negrito e itálico, citações, blocos de código e links. Escolha texto quando só precisar do conteúdo, e Markdown quando precisar da estrutura.

Meu arquivo é enviado para algum lugar?

Não. O mecanismo de PDF roda no seu navegador, então o documento não sai do seu dispositivo. Isso vale também para a extração de imagens: as imagens são decodificadas e empacotadas localmente, e o ZIP é montado na própria página.

O resultado serve para o Obsidian ou para um site estático?

Sim. O resultado é CommonMark puro, com caminhos de imagem relativos, então vai direto para um cofre ou uma pasta de conteúdo. Ative o front matter para ter no topo um bloco YAML com título, número de páginas, arquivo de origem e data.