PDF sang Markdown

Chuyển PDF sang Markdown cho tài liệu và LLM

Dán văn bản lấy từ một PDF vào một trang wiki hoặc một câu lệnh cho mô hình ngôn ngữ thường có nghĩa là phải vật lộn với các dấu ngắt dòng thừa, tiêu đề bị mất, và các bảng biến thành một mảng chữ chạy liền không ngắt. PDF sang Markdown đọc cấu trúc thay vì văn bản thô, vì vậy kết quả là thứ bạn có thể dán trực tiếp vào tài liệu hoặc đưa vào một mô hình mà không cần dọn dẹp trước.

Công cụ xem xét kích thước phông chữ để phân biệt tiêu đề với văn bản chính, nhóm các từ thành đoạn văn, phát hiện các dấu đầu dòng, và xây dựng lại các bảng thành bảng Markdown thay vì các cột số lộn xộn. Một trang được scan với ít hoặc không có lớp văn bản thực sự sẽ được tự động chạy nhận diện, vì vậy bạn nhận được Markdown có thể dùng thay vì một file trống. Kết quả được tải xuống dưới dạng một file .md thuần. Các PDF ngắn, đơn giản được chuyển đổi ngay trong trình duyệt của bạn; các file dài hơn hoặc phức tạp hơn sẽ được chuyển đến máy chủ của chúng tôi qua kết nối an toàn và bị xóa trong vòng 60 phút.

Việc phát hiện tiêu đề phụ thuộc vào việc tài liệu sử dụng các kích thước phông chữ khác nhau cho tiêu đề, vì vậy một PDF mà mọi dòng đều có kích thước giống nhau sẽ chủ yếu ra thành các đoạn văn thuần.

• Bố cục nhiều cột và bảng lồng nhau là những trường hợp dễ cần chỉnh sửa thêm bằng tay nhất.
• Các trang được scan sẽ mất thêm chút thời gian vì việc nhận diện văn bản chạy trước.
• Nếu bạn chỉ muốn lấy từ ngữ mà không cần cấu trúc, PDF sang Văn Bản bỏ qua các quyết định định dạng.