pdftomd

PDF Markdown 変換ツール

PDF をドロップすると、見出し、リスト、表、OCR で読み取ったスキャンまで整った Markdown になります。処理はすべてこのブラウザタブの中なので、ファイルは端末から出ません。

PDF を Markdown に変換する手順

  1. PDF をドロップします。上の枠に置くか、貼り付けるか、一度に 20 件までファイルを選べます。
  2. 少し待ちます。 テキスト PDF なら 1、2 秒で変換できます。スキャンページは 1 ページずつ端末の中で OCR にかけるので、時間がかかります。
  3. 結果を確認します。 Markdown タブにはソースが、プレビューには表示結果が出ます。「確認するページ」には見直したほうがよいページが並びます。
  4. コピーかダウンロード。 .md ファイル、画像を同梱した .zip、RAG 用の JSONL チャンクから選べます。

アカウント不要、アップロードなし、1 日に変換できるファイル数の上限もありません。

変換で残るもの

変換ツールは PDF のテキスト層、つまり実際の文字とそのフォントサイズや位置を読み取り、そこから文書の構造を組み立て直します。

  • 見出し: 文字の大きさと太さから #、##、### を付けます。
  • 段落: 改行や改ページで途切れた文も、元の段落につなぎ直します。
  • リスト（番号付きと箇条書き）と、URL 付きのリンク。
  • 表: 罫線、または揃ったテキストの列から Markdown の表を作ります。
  • 画像: 代わりの表示にするか、書き出した画像ファイルへのリンクにするか、含めないかを選べます。

読み手に不要なもの、たとえばページ番号、各ページで繰り返されるヘッダーやフッター、行末のハイフンで分かれた単語も取り除きます。修復ごとにスイッチがあり、それぞれが何回動いたかも表示されるので、知らないうちに何かが変わることはありません。

見直したほうがよいページ

どの変換ツールも、すべてのページを完璧には変換できません。運に任せる代わりに、このツールはどこを確認すべきかを教えます。変換が終わるたびに、全ページをよくある問題についてチェックします。

  • テキスト層がないページや、フォントが間違った文字に対応していて文字化けするページ
  • OCR モデルが自信を持てなかった文字
  • 読む順序が崩れやすい表や段組み

印の付いたページは確認するページに並び、ページの画像と Markdown が横に並ぶので、数秒で見比べられます。文字化けしたページは、ワンクリックで OCR にかけ直せます。

スキャン PDF と OCR

文字のデータがなく、文字の画像だけがあるページは OCR で読み取ります。文字認識モデル（PaddleOCR、Apache 2.0）は WebAssembly でブラウザの中で動き、ブラウザが許せば複数のスレッドを使います。ダウンロードは最初の一度だけ（約 6 MB）で、その後はキャッシュに残ります。

標準ではラテン文字の言語と中国語の活字を読めます。日本語と韓国語には専用のモデルがあり、スキャンページの設定で選べます。手書き文字には対応していません。スキャンについて詳しくはスキャン PDF を Markdown にをご覧ください。

ChatGPT、Claude、RAG のための Markdown

Markdown は言語モデルがいちばん読みやすい形式です。見出しや表がそのまま残り、HTML や PDF そのままよりトークンが少なくて済みます。変換ツールはコピーする内容そのものでトークン数を数え、LLM 向けに削るのスイッチごとに、リンク先 URL、太字や斜体の記号、画像の行を削るとどれだけ減るかを表示します。

チャンクタブでは、指定したトークン数の範囲で見出しごとに文書を分割し、各チャンクの見出しの階層とページ番号を残したまま JSONL でダウンロードできます。詳しくは LLM 向け PDF Markdown 変換へ。

プライバシーは大丈夫？

はい。約束ではなく、仕組みとしてそうなっています。変換ツールはブラウザのタブの中で動くプログラムです。PDF はディスクからタブのメモリに読み込まれ、そこで変換されます。私たちのサーバーにも、ほかのどこにも送られません。だからファイルサイズによる課金も、1 日の上限もありません。

ネットワークを通るのは、ページそのもの、変換ツールのコード、そして初めてスキャンを変換するときの OCR モデルだけです。ブラウザの開発者ツールで確認でき、ファイルを運ぶリクエストはありません。詳しくはプライバシーポリシーをご覧ください。

制限

  • ファイルサイズ: 1 ファイル 300 MB まで、一度に 20 件まで。とても大きなファイルは 1 つのタブのメモリが足りなくなることがあります。その場合はページ範囲を指定してください。
  • 数式は PDF に入っている文字のまま出力され、LaTeX にはなりません。
  • 複雑な表（結合セルや複数行にまたがるセル）は手直しが必要な場合があります。そうしたページには印が付きます。
  • スキャンした表は、列がはっきり揃っていれば Markdown の表になります。詰まっていたり傾いていたりすると、テキストの行として出力されることがあります。
  • パスワード付き PDF は、パスワードを入力すれば開けます。パスワードはタブの外に出ません。

よくある質問

pdftomd は無料ですか？

はい。ブラウザの中で変換するので、ファイルごとの費用が私たちにかかりません。だから請求するものがなく、登録も透かしも 1 日の上限もありません。

スマートフォンでも使えますか？

はい、最近のモバイルブラウザならどれでも使えます。大きなファイルや長いスキャンはノートパソコンより時間がかかり、メモリも少ないので、非常に大きな PDF はページ範囲の指定が必要になることがあります。

複数の PDF をまとめて変換できますか？

はい。20 件までドロップでき、順番に変換されます。すべてダウンロードで、各 Markdown ファイルを（画像を書き出す設定なら画像も一緒に）1 つの .zip にまとめられます。

どんな Markdown が出力されますか？

GitHub 形式の表を含む CommonMark です。GitHub、Obsidian、Notion、VS Code、多くの静的サイトジェネレーターで読めます。Obsidian 向けには YAML フロントマターのオプションがあります。PDF を Obsidian にをご覧ください。

コードで PDF を Markdown に変換できますか？

スクリプトで使いたい場合は、4 つのライブラリを動くコード付きで紹介した Python で PDF を Markdown にか、それらを比べた比較テストをご覧ください。