PDF → Markdown 変換について
PDF には、ひとまとまりのテキストがページ上のどこに、どの大きさで置かれているかは記録されていますが、どの行が見出しで、どの行がリストに属するかはほとんど記録されていません。この変換ツールは pdf.js でテキストレイヤーを読み取り、そうした判断を自分で行ってから、結果を Markdown で書き出します。
- 見出しは、本文より大きなフォントで組まれたテキストから推測します。
- リストは、行頭に箇条書きの記号や番号がある行から作り、箇条書きや番号付きの項目にします。
- 段落はつなぎ直します。PDF が右端で折り返していた行を 1 つの流れに戻すので、十数語ごとに強制改行が入ることはありません。
- 改ページは水平線
---で示します。
Markdown はページ上のプレビューに表示されます。テキストをコピーボタンで全文をクリップボードに入れることも、.md ファイルとして保存することもできます。出力はプレーンテキストなので、どのエディターでも開け、Markdown を使う Wiki、メモアプリ、ドキュメントサイトにそのまま取り込めます。
構造は下書きとして扱ってください
出力の見出しやリストは、どれも見た目の手がかりから推測したものです。本文と同じサイズの太字で組まれた見出しは普通の行として出力されることがあり、逆に大きな文字の引用文が見出しに格上げされることもあります。結果を使う前にプレビューにざっと目を通してください。特に長い文書や、デザインに凝った文書では大切です。
PDF → Markdown 変換の使い方
- テキストを含む PDF を読み込むPDF を選ぶか、ツールにドロップします。テキストレイヤーが必要です。PDF ビューアーで単語を選択できない場合はスキャンしたファイルなので、先に PDF OCR（文字認識）にかけてください。
- プレビューに目を通す組み立て直した Markdown がページに表示されます。見出しやリストが想定どおりの位置に来ているか確認しましょう。段組みや表のある文書では特に注意が必要です。
- コピーするか .md で保存する「テキストをコピー」を押してエディター、Wiki、チャットに Markdown を貼り付けるか、.md ファイルとしてダウンロードして、ほかのメモと一緒に保管します。
主な利用シーン
古いマニュアルを Wiki に移す
PDF しか残っていない製品ガイドも、章の見出しや手順のリストを保ったまま Markdown のページにでき、トピックごとに分けてドキュメント管理システムで編集できるようになります。
元ファイルを失ったレポートを編集する
元のワープロファイルがなくなってしまっても、Markdown にすれば構成を保ったまま編集できるテキストが手に入ります。修正したら、Markdown → PDF 変換で新しい PDF を作れます。
長い文書を AI アシスタントに読ませる
チャットアシスタントは Markdown を読み取りやすく、見出しの記号から各段落がどの節にあるかもわかります。PDF 全体を添付する代わりに、必要な節だけを貼り付けましょう。
表、画像、段組みのページ
表は Markdown の表としては再現されません。PDF の中の表は座標上に置かれた単語にすぎず、行やセルの情報が記録されていないため、セルの内容は別々のテキスト行として出力されます。重要な表は手作業で作り直すか、PDF → PNG 変換でページの見た目をそのまま画像として残してください。
画像は Markdown には含まれません。写真、グラフ、図を残したい場合は、PDF 画像抽出で保存し、ご自身で Markdown にリンクしてください。
ニュースレターや学術論文のような段組みのレイアウトでは、隣り合う段の行が交互に並ぶなど、文章が入り混じることがあります。ワープロソフトやウェブページから書き出した 1 段組みの文書が、いちばんきれいな結果になります。
スキャンした PDF には先にテキストレイヤーが必要
スキャンした PDF にはページの画像だけが入っていて文字がないため、このツールには読み取るものがなく、Markdown は空になります。まず PDF OCR（文字認識）にかけて文字を認識させ、見えないテキストレイヤーを追加してから、新しいファイルをここに持ってきてください。OCR にはそれ自体の誤認識があるので、できあがった結果の名前や数字は読み直して確認しましょう。
Markdown、プレーンテキスト、画像：どの出力を選ぶか
- Markdown（このツール）：見出し、リスト、整った段落など、文書の構成を保ったまま編集を続けたいとき。
- プレーンテキスト（PDF テキスト抽出）：構造を推測せず、保存されているとおりの文字をページの区切り付きで取り出したいとき。
- 画像（PDF → PNG 変換）：編集できるテキストより、各ページの正確な見た目のほうが重要なとき。
引き継がれるもの、処理される場所
文字は PDF に保存されているとおりに取り出されるため、解像度や圧縮で失われるものはありません。Markdown で表現できないもの、つまりフォント、色、間隔、ページ上の正確な配置は引き継がれません。できあがる .md ファイルは、テキストといくつかの書式記号しか含まないので小さく収まります。ファイルがロックされている場合は、PDF パスワード解除でパスワードを外し（パスワードを知っている必要があります）、ロックを解除したコピーを変換してください。
変換はこのブラウザのタブ内で行われ、PDF も Markdown もアップロードされません。いくつかの手順でご自身で確認できます。