pdftomd

PDF 转 Markdown 工具

拖入 PDF，得到干净的 Markdown：标题、列表、表格，扫描页用 OCR 识别。全部在这个浏览器标签页里完成，文件不离开你的设备。

把 PDF 拖到这里

也可以粘贴或选择文件。一次最多 20 个，就在这个标签页里转换。

手边没有文件？试试

文件只在这个浏览器标签页里读取，从不上传。

怎样把 PDF 转成 Markdown

  1. 拖入 PDF：放到上方的框里、直接粘贴，或一次选择最多 20 个文件。
  2. 稍等片刻。 文字版 PDF 一两秒就能转完。扫描页要慢一些，因为每一页都要在你的设备上做 OCR。
  3. 检查结果。 Markdown 标签显示源码，预览显示排版效果，待检查页面列出值得再看一眼的页面。
  4. 复制或下载。 可以存成 .md 文件、连同图片打包成 .zip，或导出 JSONL 分块给 RAG 流程使用。

无需账号，不上传，每天转多少个文件都不限。

转换后保留什么

转换器读取 PDF 的文字层，也就是真实的字符以及它们的字号和位置，再据此重建文档结构：

  • 标题：根据字号和字重，生成 #、## 和 ###。
  • 段落：句子跨行、跨页断开，也会重新接回来。
  • 列表（编号和项目符号）以及带地址的链接。
  • 表格：根据表格线或对齐的文字列生成 Markdown 表格。
  • 图片：可以用占位符、链接到导出的图片文件，或者不保留，由你决定。

读者用不上的东西也会去掉：页码、每页重复的页眉页脚，以及行尾用连字符断开的单词。每项修复都有单独的开关，每个开关都显示它生效了多少次，不会在你不知情的情况下改动内容。

值得再看一眼的页面

没有哪个转换器能把每一页都转对。与其碰运气，这个工具会告诉你该看哪里。每次转换完，它都会逐页检查常见问题：

  • 没有文字层的页面，或者字体映射到错误字符、读出来是乱码的页面；
  • OCR 模型没把握的文字；
  • 表格和多栏排版，这些地方阅读顺序容易出错。

被标记的页面会列在待检查页面里，每页都把页面图像和对应的 Markdown 并排显示，几秒钟就能对照完。如果某页文字是乱码，点一下就能用 OCR 重新识别这一页。

扫描版 PDF 与 OCR

页面上没有文字、只有文字图片时，转换器会用 OCR 识别。文字识别模型（PaddleOCR，Apache 2.0）通过 WebAssembly 在你的浏览器里运行，浏览器允许时会用多线程。模型只需下载一次，约 6 MB，之后会缓存起来。

默认可以识别拉丁字母语言和中文的印刷体。日文和韩文有各自的模型，可以在扫描页设置里选择。不支持手写体。扫描件的更多说明见扫描版 PDF 转 Markdown。

给 ChatGPT、Claude 和 RAG 用的 Markdown

Markdown 是语言模型读得最好的格式：标题和表格都能保留，token 也比 HTML 或原始 PDF 少。转换器按你实际要复制的内容计算 token，为大模型精简下的每个开关都会显示能省多少：去掉链接地址、粗体斜体标记或图片行。

分块标签会在你设定的 token 上限内按标题切分文档，保留每块的标题路径和页码，并整体导出为 JSONL。详见 PDF 转 Markdown 喂给大模型。

隐私有保障吗？

有，这是由设计保证的，而不是一句承诺。转换器是在你的浏览器标签页里运行的程序。PDF 从你的磁盘读进标签页的内存，在那里完成转换。它从不发送到我们的服务器或任何其他服务器，这也是没有文件大小收费、没有每日上限的原因。

会经过网络的只有：页面本身、转换器的代码，以及你第一次转换扫描件时下载的 OCR 模型。你可以在浏览器的开发者工具里自己核对：没有任何请求带着你的文件。详情见隐私政策。

限制

  • **文件大小：**每个文件最大 300 MB，一次最多 20 个。特别大的文件可能超出单个标签页的内存，遇到时请只转换部分页面。
  • 公式按 PDF 里的文字字符原样输出，不会变成 LaTeX。
  • 复杂表格（合并单元格、单元格内多行）可能需要手动修改。这些页面会被标记。
  • 扫描的表格在列对齐清楚时会变成 Markdown 表格；排得很挤或歪斜的表格可能输出为一行行文字。
  • 带密码的 PDF 输入密码后即可打开，密码只留在标签页里。

常见问题

pdftomd 免费吗？

免费。在你的浏览器里转换，每个文件不会给我们带来任何成本，所以没什么可收费的：不用注册，没有水印，没有每日上限。

手机上能用吗？

能，任何新版手机浏览器都可以。大文件和长扫描件在手机上比在电脑上慢，手机内存也更少，所以特别大的 PDF 可能需要只转换部分页面。

能一次转换多个 PDF 吗？

能。最多拖入 20 个文件，它们会依次转换；点全部下载，就会把每个 Markdown 文件（如果选了导出图片，连同图片）打包成一个 .zip。

输出的是哪种 Markdown？

带 GitHub 风格表格的 CommonMark，GitHub、Obsidian、Notion、VS Code 和大多数静态网站生成器都能读。为 Obsidian 准备了 YAML front matter 选项，见 PDF 转 Obsidian。

能用代码把 PDF 转成 Markdown 吗？

如果要在脚本里用，可以看用 Python 把 PDF 转成 Markdown，里面有四个库和可运行的示例；也可以看我们的评测，了解它们的差别。