Converta um PDF em Markdown

Passo a passo: PDF para Markdown

1. Abra um PDF que tenha textoEscolha um PDF ou solte-o na ferramenta. Ele precisa de uma camada de texto: se você não consegue selecionar palavras no seu leitor de PDF, o arquivo é uma digitalização e deve passar antes pelo OCR em PDF.
2. Leia a préviaClique em “Converter em Markdown” e o Markdown reconstruído aparece na página. Confira se os títulos e as listas caíram onde você espera, principalmente em documentos com colunas ou tabelas.
3. Copie ou guarde o .mdClique em “Copiar texto” para colar o Markdown em um editor, wiki ou chat, ou baixe-o como arquivo .md para guardar junto com suas outras anotações.

Um exemplo na prática

Um guia de duas páginas, guia.pdf, usa 10 pt no corpo do texto, 18 pt no título, 14 pt nos títulos de seção e 12 pt nos subtítulos, com os passos marcados por “•”. O guia.md resultante contém:

• # para o título de 18 pt, ## para os títulos de 14 pt e ### para os subtítulos de 12 pt (12 ÷ 10 = 1,2, acima do limiar de 1,12);
• - no lugar de cada “•”;
• uma linha --- onde começa a página 2.

Uma linha de 11 pt continua sendo corpo do texto (11 ÷ 10 = 1,1). A exceção é uma linha em negrito com menos de 80 caracteres que não seja item de lista e não termine em ponto, dois-pontos, ponto e vírgula ou vírgula: ela também vira um título ###.

O que a ferramenta faz e quais são os limites

• Precisa de uma camada de texto: uma digitalização não gera Markdown até que o OCR em PDF acrescente uma.
• Tabelas viram linhas simples, e não tabelas do GitHub Flavored Markdown, e as imagens ficam de fora; salve-as com o Extrair imagens do PDF.
• Só três níveis de título: um quarto tamanho de título, ou menor, também sai como ###.
• Negrito, itálico e links não são marcados, e layouts de duas colunas podem intercalar linhas de colunas vizinhas.

PDF para Markdown: como funciona

Um PDF registra onde cada trecho de texto fica na página e qual é o tamanho dele, mas raramente diz qual linha é um título ou quais linhas formam uma lista. Este conversor lê a camada de texto com o pdf.js, toma essas decisões por conta própria e escreve o resultado em Markdown:

• Títulos são deduzidos de textos em fonte maior que a do corpo.
• Listas vêm de linhas que começam com um símbolo de marcador ou um número, e viram itens com marcadores ou numerados.
• Parágrafos são reunidos de novo: as linhas que o PDF quebrou na margem direita voltam a correr juntas, então você não ganha uma quebra de linha forçada a cada dúzia de palavras.
• Quebras de página são marcadas com uma linha horizontal, ---.

O Markdown aparece em uma prévia na página. O botão Copiar texto leva tudo para a área de transferência, ou você pode salvar como arquivo .md. Por ser texto simples, o resultado abre em qualquer editor e vai direto para wikis, apps de notas e sites de documentação que usam Markdown.

Trate a estrutura como um primeiro rascunho

Cada título e cada lista do resultado é uma dedução a partir de pistas visuais. Um título em negrito no tamanho do corpo pode sair como linha comum, enquanto uma citação em destaque, em letra grande, pode ser promovida a título. Dê uma olhada na prévia antes de confiar nela, principalmente em documentos longos ou com muito design.

Quando usar

• Levar um manual antigo para uma wiki

  Um guia de produto que só sobreviveu em PDF pode virar páginas em Markdown com os títulos de seção e as listas de passos intactos, prontas para dividir em tópicos e editar no seu sistema de documentação.

• Editar um relatório cujo arquivo original sumiu

  Quando o arquivo original do processador de texto se perdeu, o Markdown dá a você texto editável com a estrutura no lugar. Faça as alterações e depois gere um PDF novo com o Markdown para PDF.

• Passar um documento longo para um assistente de IA

  Assistentes de chat leem Markdown com facilidade, e os marcadores de título mostram a eles em que seção cada parágrafo está. Cole as seções de que precisa em vez de anexar o PDF inteiro.

Tabelas, imagens e páginas com várias colunas

Tabelas não são reconstruídas como tabelas em Markdown. Dentro de um PDF, uma tabela é só um conjunto de palavras posicionadas em coordenadas, sem cadastro de linhas ou células, então o conteúdo das células sai como linhas de texto separadas. Refaça à mão as tabelas importantes ou guarde uma imagem fiel da página com o PDF para PNG.

Imagens ficam de fora do Markdown. Para manter fotos, gráficos e figuras, salve-as com o Extrair imagens do PDF e coloque você mesmo os links para elas no seu Markdown.

Layouts com várias colunas, como boletins informativos e artigos acadêmicos, podem se intercalar, com linhas de colunas vizinhas se alternando. Documentos de uma coluna exportados de um processador de texto ou de uma página da web dão o resultado mais limpo.

Digitalizações precisam antes de uma camada de texto

Um PDF digitalizado contém imagens das páginas e nenhum caractere, então esta ferramenta não tem o que ler e o Markdown sai vazio. Passe o arquivo pelo OCR em PDF, que reconhece as palavras e acrescenta uma camada de texto invisível, e depois traga o arquivo novo de volta para cá. O OCR tem sua própria taxa de erro, então revise nomes e números no que você receber.

Markdown, texto simples ou imagens: qual saída escolher

• Markdown (esta ferramenta) quando você quer a estrutura do documento: títulos, listas e parágrafos limpos que você pode continuar editando.
• Texto simples, com o PDF para texto, quando você quer as palavras exatamente como estão guardadas, com marcadores de página e sem palpites sobre a estrutura.
• Imagens, com o PDF para PNG, quando a aparência exata de cada página importa mais que ter texto editável.

O que é levado junto, e onde tudo acontece

Os caracteres vêm exatamente como o PDF os guarda, então nada se perde com resolução ou compressão. O que o Markdown não consegue descrever fica para trás: fontes, cores, espaçamentos e a posição exata dos elementos na página. O arquivo .md resultante é pequeno, já que só guarda texto e alguns símbolos de formatação. Se o arquivo estiver bloqueado, tire a senha com o Remover senha do PDF (você vai precisar saber qual é) e converta a cópia desbloqueada.

A conversão acontece dentro desta aba do navegador, e nem o PDF nem o Markdown são enviados; você pode confirmar isso por conta própria em poucos passos.