PDFをNotionやwiki向けのMarkdown文書にする

PDFの内容をNotion、Obsidian、GitHub wiki、その他のMarkdownベースのツールに移すのは、たいてい全部を打ち直すか、すべての見出し・リスト・表が普通の段落に潰れた形のない1つの塊として貼り付けるかのどちらかです。

PDFから構造がどう推測されるか

PDFは実際には、Word文書やMarkdownファイルのように「これは見出し」「これは箇条書き」をラベル付きの概念として保存しません。ただページ上に配置されサイズ指定されたテキストがあるだけです。「PDFからMarkdownへ」はそこから逆算します。周りの本文より明らかに大きいテキストは見出しになり、箇条書き記号や数字で始まる行はリストになり、揃った列に並んだテキストはMarkdownの表になります。

うまく引き継がれるもの、そうでないもの

• 元のPDFのクリック可能なリンクは、ただのプレーンテキストではなくMarkdownのリンクとして保たれます。
• きれいに整形された1列の文書 — レポート、記事、簡単なガイド — は、ほとんど手直しなしでうまく変換されます。
• 密な多列レイアウトや珍しい書式は正しく推測しにくく、後で手作業の仕上げが必要になることがあります。
• 選択可能な文字層のないスキャンPDFは抽出するものがありません。先にOCR PDFを実行してください。

代わりに生のテキストだけが欲しいとき

構造がまったく要らないなら — どこかに貼るか検索するための言葉だけなら — 「PDFからテキストへ」は見出しや表の推測を完全に省き、代わりに改行付きのプレーンテキストファイルを書き出します。