Naar de inhoud
Terug naar alle tools№ 059

PDF naar Markdown

Zet leesbare tekst om in schone Markdown die je in notities plakt.

0 B naar een server geüpload

Voeg eerst een bestand toe.

Tekst uit een PDF kopiëren levert een muur van woorden op: de koppen, de lijsten en de alinea-einden zijn allemaal weg, omdat geen ervan als structuur in het bestand bestaat. Deze tool zet ze terug door te meten. Hij vergelijkt de lettergrootte van elke regel met de grootte van de broodtekst op de pagina – een regel die merkbaar groter is, is een kop, en hoeveel groter bepaalt of het een H1, H2 of H3 wordt – en hij herkent opsommingstekens en nummers als lijsten.

Daardoor is het een reconstructie naar beste kunnen, en dat zegt de tool ook in de interface. Een document met een consequente typografische hiërarchie komt er opvallend schoon uit; een document dat zijn koppen nabootst met vetgedrukte broodtekst levert platte tekst op, omdat het vanuit het bestand gezien precies dat is. Doorlopende tekst en alinea-einden komen in beide gevallen betrouwbaar mee.

Zo werkt het

  1. Sleep een PDF met echte tekst hierheen.
  2. Lees de geëxtraheerde Markdown in het paneel.
  3. Kopieer hem naar het klembord of download hem als .md-bestand.

Waarvoor je het gebruikt

  • Een rapport in Obsidian, Notion of een wiki krijgen zonder de structuur over te typen.
  • Een PDF-specificatie omzetten in een document dat je kunt diffen en in Git kunt versiebeheren.
  • Een lang artikel in een notitie-app zetten waar je er echt aantekeningen bij kunt maken.

Veelgestelde vragen

Wordt mijn bestand naar een server geüpload?
Nee. Het bestand wordt geopend door JavaScript en WebAssembly in het tabblad van je eigen browser. Het wordt nooit geüpload, er is geen verwerking op een server en er wordt niets bewaard: sluit je het tabblad, dan is alles weg.
Er kwam niets uit.
De PDF is een scan zonder tekstlaag. Haal hem eerst door OCR PDF en extraheer daarna – er valt geen tekst te lezen tot iets er een schrijft.
Mijn koppen kwamen eruit als gewone alinea’s.
Waarschijnlijk zijn het in het bestand geen koppen – alleen vetgedrukte broodtekst, veruit de meest gebruikte manier waarop documenten worden geschreven. De detector werkt op grootte, omdat grootte typografisch een kop onderscheidt. Zet de #-tekens met de hand waar het ertoe doet.
Worden tabellen omgezet in Markdown-tabellen?
Nee. Een PDF heeft geen tabelstructuur om te lezen, alleen uitgelijnde tekst, en hier gokken naar celgrenzen zou tabellen opleveren die subtiel fout zijn. Gebruik voor tabellen PDF naar Excel, dat die afleiding bewust doet en je het resultaat in een raster laat zien.
Wat gebeurt er met afbeeldingen?
Die worden niet meegenomen – deze tool extraheert tekst. Gebruik Afbeeldingen extraheren om de afbeeldingen apart op te halen en verwijs er zelf naar vanuit de Markdown.

Gerelateerde tools