Een PDF omzetten in een Notion- of wiki-klaar Markdown-document

De inhoud van een PDF naar Notion, Obsidian, een GitHub-wiki of een andere op Markdown gebaseerde tool verplaatsen betekent meestal ofwel alles overtypen ofwel het als één vormeloos tekstblok plakken, met elke kop, lijst en tabel afgevlakt tot gewone alinea's.

Hoe structuur uit een PDF wordt afgeleid

Een PDF slaat niet echt 'dit is een kop' of 'dit is een opsommingslijst' op als een gelabeld begrip, zoals een Word-document of Markdown-bestand dat doet — het heeft alleen tekst die op een pagina is geplaatst en gedimensioneerd. PDF naar Markdown werkt van daaruit terug: tekst die merkbaar groter is dan de omringende tekst wordt een kop, regels die beginnen met een opsommingsteken of een cijfer worden een lijst, en tekst in uitgelijnde kolommen wordt een Markdown-tabel.

Wat goed overkomt, en wat niet

• Klikbare links in de oorspronkelijke PDF blijven behouden als Markdown-links, niet alleen als platte tekst.
• Netjes opgemaakte documenten met één kolom — rapporten, artikelen, eenvoudige handleidingen — converteren goed met weinig nodige opschoning.
• Dichte lay-outs met meerdere kolommen of ongebruikelijke opmaak zijn moeilijker correct af te leiden en hebben achteraf mogelijk handmatige bijwerking nodig.
• Een gescande PDF zonder selecteerbare tekstlaag heeft niets te extraheren — voer eerst OCR PDF uit.

Wanneer je alleen de ruwe tekst wilt

Als je helemaal geen structuur nodig hebt — alleen de woorden, om ergens te plakken of doorheen te zoeken — slaat PDF naar tekst de kop-/tabelafleiding volledig over en exporteert in plaats daarvan een gewoon tekstbestand met regeleinden.