Como converter PDF para Markdown
- Solte o PDF na caixa acima, cole ou escolha até 20 arquivos de uma vez.
- Espere um instante. Um PDF com texto é convertido em um ou dois segundos. Páginas digitalizadas demoram mais, porque cada uma é lida com OCR no seu dispositivo.
- Confira o resultado. A aba Markdown mostra o código, Visualização mostra o texto formatado e Páginas a conferir lista as páginas que merecem uma segunda olhada.
- Copie ou baixe. Leve o texto como arquivo
.md, como.zipcom as imagens junto ou como chunks em JSONL para um pipeline de RAG.
Sem conta, sem upload e sem limite de arquivos por dia.
O que o conversor preserva
O conversor lê a camada de texto do PDF: os caracteres de verdade, com tamanho de fonte e posição. A partir disso, reconstrói a estrutura do documento:
- Títulos pelo tamanho e peso da fonte, como
#,##e###. - Parágrafos reunidos de novo, mesmo quando a frase atravessa uma quebra de linha ou continua na página seguinte.
- Listas, numeradas e com marcadores, e links com seus endereços.
- Tabelas como tabelas Markdown, a partir de linhas de grade ou de colunas de texto alinhado.
- Imagens como marcadores, como links para arquivos de imagem extraídos ou deixadas de fora. Você escolhe.
Ele também tira o que o leitor não precisa: números de página, cabeçalhos e rodapés repetidos em todas as páginas e palavras partidas por hífen no fim da linha. Cada reparo tem seu próprio botão, e cada botão mostra quantas vezes agiu, então nada acontece pelas suas costas.
Páginas que valem uma segunda olhada
Nenhum conversor acerta todas as páginas. Em vez de torcer, este mostra onde olhar. Depois de cada conversão, ele verifica cada página atrás dos problemas de sempre:
- uma página sem camada de texto, ou com fontes mapeadas para os caracteres errados, que viram texto sem sentido;
- texto sobre o qual o modelo de OCR ficou inseguro;
- tabelas e layouts em várias colunas, onde a ordem de leitura pode sair errada.
As páginas sinalizadas aparecem em Páginas a conferir, cada uma com a imagem da página ao lado do seu Markdown, para você comparar em segundos. Se o texto de uma página saiu embaralhado, um clique lê essa página de novo com OCR.
PDFs digitalizados e OCR
Quando uma página não tem texto, só uma imagem de texto, o conversor a lê com OCR. O modelo de reconhecimento de texto (PaddleOCR, Apache 2.0) roda no seu navegador por WebAssembly, em várias threads quando o navegador permite. Ele é baixado uma vez, cerca de 6 MB, e fica em cache.
O OCR lê de fábrica idiomas impressos em alfabeto latino e chinês. Japonês e coreano têm modelos próprios, que você escolhe em Páginas digitalizadas. Escrita à mão não é suportada. Para saber mais sobre digitalizações, veja PDF digitalizado para Markdown.
Markdown para ChatGPT, Claude e RAG
Markdown é o formato que os modelos de linguagem leem melhor: títulos e tabelas sobrevivem, e ele custa menos tokens do que HTML ou o PDF bruto. O conversor conta os tokens exatamente sobre o que você vai copiar, e as opções de Enxugar para LLMs mostram quanto cada uma economiza: tirar os endereços dos links, as marcações de negrito e itálico ou as linhas de imagem.
A aba Chunks divide o documento nos títulos, dentro do limite de tokens que você definir, guarda o caminho de títulos e os números de página de cada chunk e baixa tudo em JSONL. Mais em PDF para Markdown para LLMs.
É privado?
Sim, por projeto e não por promessa. O conversor é um programa que roda na sua aba do navegador. Seu PDF é lido do seu disco para a memória da aba e convertido ali. Ele nunca é enviado ao nosso servidor nem a nenhum outro, e é por isso também que não há cobrança por tamanho nem limite diário.
O que trafega pela rede: a própria página, o código do conversor e o modelo de OCR na primeira vez que você converte uma digitalização. Dá para conferir nas ferramentas de desenvolvedor do navegador: nenhuma requisição leva o seu arquivo. A política de privacidade traz os detalhes.
Limites
- Tamanho: até 300 MB por arquivo, 20 arquivos de cada vez. Arquivos muito grandes podem esgotar a memória de uma aba; se acontecer, converta um intervalo de páginas.
- Fórmulas saem como os caracteres de texto que o PDF contém, não como LaTeX.
- Tabelas complexas com células mescladas ou que quebram em várias linhas podem precisar de ajuste manual. Essas páginas são sinalizadas.
- Tabelas digitalizadas viram tabelas Markdown quando as colunas estão bem alinhadas; as apertadas ou tortas podem sair como linhas de texto.
- PDFs com senha abrem quando você digita a senha. Ela fica na aba.
Perguntas frequentes
O pdftomd é grátis?
Sim. Converter no seu navegador não nos custa nada por arquivo, então não há o que cobrar: sem cadastro, sem marca d'água, sem limite diário.
Funciona no celular?
Sim, em qualquer navegador móvel atual. Arquivos grandes e digitalizações longas são mais lentos no celular do que no notebook, e o celular tem menos memória, então PDFs muito grandes podem precisar de um intervalo de páginas.
Dá para converter vários PDFs de uma vez?
Sim. Solte até 20 arquivos; eles são convertidos um depois do outro, e Baixar tudo junta cada arquivo Markdown, com as imagens se você escolheu extraí-las, em um único .zip.
Que tipo de Markdown ele gera?
CommonMark com tabelas no estilo do GitHub, que GitHub, Obsidian, Notion, VS Code e a maioria dos geradores de sites estáticos leem. Para o Obsidian há uma opção de front matter YAML; veja PDF para Obsidian.
Dá para converter PDF para Markdown com código?
Se você precisa disso em um script, veja PDF para Markdown em Python, com quatro bibliotecas e exemplos que funcionam, ou o nosso comparativo para ver como elas se saem.