Zamiana PDF-a w dokument Markdown gotowy do Notion lub wiki

Przeniesienie treści z PDF-a do Notion, Obsidian, wiki na GitHubie lub dowolnego innego narzędzia opartego na Markdown zwykle oznacza albo przepisanie wszystkiego od nowa, albo wklejenie tego jako jednego bezkształtnego bloku tekstu, ze wszystkimi nagłówkami, listami i tabelami spłaszczonymi do zwykłych akapitów.

Jak struktura jest wnioskowana z PDF-a

PDF w rzeczywistości nie przechowuje „to jest nagłówek” lub „to jest lista punktowana” jako etykietowanego pojęcia, tak jak robi to dokument Worda czy plik Markdown — ma po prostu tekst umieszczony i rozmieszczony na stronie. PDF do Markdown pracuje wstecz od tego: tekst wyraźnie większy niż otaczający tekst główny staje się nagłówkiem, linie zaczynające się od znaku punktora lub liczby stają się listą, a tekst ułożony w wyrównane kolumny staje się tabelą Markdown.

Co dobrze się przenosi, a co nie

• Klikalne linki w oryginalnym PDF-ie są zachowywane jako linki Markdown, a nie zwykły tekst.
• Czysto sformatowane, jednokolumnowe dokumenty — raporty, artykuły, proste przewodniki — konwertują się dobrze przy niewielkiej dodatkowej pracy.
• Gęste układy wielokolumnowe lub nietypowe formatowanie są trudniejsze do poprawnego wywnioskowania i mogą wymagać ręcznej poprawki potem.
• Zeskanowany PDF bez zaznaczalnej warstwy tekstowej nie ma nic do wyodrębnienia — najpierw uruchom OCR PDF.

Kiedy chcesz po prostu surowy tekst

Jeśli w ogóle nie potrzebujesz struktury — tylko słów, żeby coś wkleić lub przeszukać — PDF do tekstu całkowicie pomija wnioskowanie nagłówków i tabel, i eksportuje zamiast tego zwykły plik tekstowy z podziałem na linie.