PDF'den Markdown'a

Belgeleme ve LLM'ler için PDF'yi Markdown'a dönüştürün

Bir PDF'den metni bir wiki sayfasına veya bir dil modeli için bir istem içine yapıştırmak genellikle rastgele satır sonlarıyla, kaybolan başlıklarla ve düz metin yığınına dönüşen tablolarla boğuşmak anlamına gelir. PDF'den Markdown'a, ham metin yerine yapıyı okur; böylece çıktı, önce temizlemeden belgelemeye yapıştırabileceğiniz veya bir modele besleyebileceğiniz bir şeydir.

Araç, başlıkları gövde metninden ayırmak için yazı tipi boyutlarına bakar, kelimeleri paragraflar halinde gruplar, madde işaretlerini algılar ve tabloları karmaşık sayı sütunları yerine Markdown tabloları olarak yeniden oluşturur. Gerçek bir metin katmanı az veya hiç olmayan taranmış bir sayfada otomatik olarak metin tanıma çalıştırılır, böylece boş bir dosya yerine kullanılabilir Markdown elde edersiniz. Sonuç düz bir .md dosyası olarak indirilir. Kısa, basit PDF'ler doğrudan tarayıcınızda dönüştürülür; daha uzun veya daha karmaşık olanlar güvenli bir bağlantı üzerinden sunucularımıza taşınır ve 60 dakika içinde silinir.

Başlık algılama, belgenin başlıklar için farklı yazı tipi boyutları kullanmasına bağlıdır, bu nedenle her satırı aynı boyutta görünen bir PDF çoğunlukla düz paragraflar olarak çıkar.

• Çok sütunlu düzenler ve iç içe geçmiş tablolar, en çok elle rötuş gerektirme olasılığı olanlardır.
• Taranmış sayfalar, önce metin tanıma çalıştığından biraz daha uzun sürer.
• Yapı olmadan sadece kelimeleri istiyorsanız, PDF'den Metne biçimlendirme kararlarını atlar.