PDF から Markdown へ

PDF から Markdown へは、固定されたページから、読むのに役立つ素材を取り出します。自分の報告書をノートにする、文書を Markdown のナレッジベース用に整える、編集できるソースがもう残っていないテキストを取り戻す、といった用途に向いた方法です。

こんなときに選ぶ

持ち運びやすい文章と単純な構造が欲しいときは、Markdown を使います。行き先が組版された論文なら PDF から LaTeX へを、Typst で続けるつもりなら PDF から Typst へを選びます。

自分が所有しているか、再利用が許されている文書だけを変換してください。変換しても、元の資料の著作権やライセンスは変わりません。

PDF を変換する

1. PDF から Markdown へを開くか、/pdf-to-markdown を実行します。
2. 128 MB までの PDF を選びます。
3. 変換を始めます。
4. converted.md を、抽出されたファイルと一緒に保存するか、Markdown プロジェクトを作成します。
5. 結果を PDF と見比べます。

テキストを選択できる PDF では、Oleafly はテキストレイヤーを読み、見出しや段組みらしいものを検出し、図を取り出して、数式はローカルの変換パイプラインを通して引き継ぎます。文書がスキャンされたものに見えるときは、Oleafly はツール用のモデルでページを文字に起こせます。

確認すること

PDF が記述しているのは、ページ上のどこに印があるかなので、読み順は推測するしかありません。複数段組みのページ、脚注、表、数式、キャプション、ハイフンで終わる行末、参考文献の一覧を確認してください。図のファイルは、抽出に成功すると assets/ の下に置かれます。

スキャンには画像認識モデルが必要

スキャンした PDF の文字起こしには、画像を読めるモデルが必要で、50 ページまで受け付けます。テキストレイヤーの抽出に AI は要りません。ホスティングされたモデルや、スキャン用の Mathpix を選ばない限り、どちらの経路でも PDF がアップロードされることはありません。

Markdown では、ページレイアウトのあらゆる判断を再現することはできません。出力は、元の PDF の見た目の複製ではなく、編集する内容として扱ってください。