把 PDF 转成 Markdown
PDF 转 Markdown 把 PDF 中已有的文字转成 .md 文件,能识别出标题、段落和列表时会保留下来。它不做 OCR,所以扫描页输出是空的。
把文件拖到这里,或点击选择
支持 PDF · 单个文件不超过 500.0 MB · 一次最多 20 个文件
也可以按 Ctrl/Cmd+V 或从剪贴板菜单粘贴文件。
PDF 转 Markdown 对文件里已有的文字运行 pdf-inspector,返回 `.md` 下载(`text/markdown`)。目标是标题、段落和列表,不是像素级版式。
它不做 OCR。纯图像的页面常常输出为空。对于扫描件,用 OCR 转 Markdown;那个工具本来就返回 `.md`,也是真正去看像素的那一个。
阅读顺序可能与多栏的视觉版式不一致。页眉可能每页重复;请在编辑器里删掉。PDF 里是图片的公式不会变成 LaTeX。代码清单常常丢失缩进。
这是面向文档即代码、Git diff 和需要文本的流水线的转换器。当打印版式才是记录时,请保留 PDF。版权仍适用于提取出的文字;只转换你可以作为文本再发布的文件。
有密码保护的文件,在你输入密码后会在本页为你解锁;API 调用方需先运行移除密码。提交之前,先打开 Markdown 并修正标题级别。本站的 Markdown 转 PDF 是反方向;来回一趟不会恢复原来的版式。
上传是临时的。我们不会保存你的 Markdown 文库。
在本地服务器上输出的样子。一份从文字处理软件导出的 PDF,含标题、一个段落、两个标题、一个两项的项目符号列表和一个三行的表格,回来是 `# Annual Report`、该段落、`## Findings`、`- First item` 和 `- Second item`、`## Numbers`,以及一个带 `|Year|Revenue|` 表头行和两行数据的管道表格。标题、列表和简单表格都保留了下来。列表之后的那一行与下一个标题直接连在一起,中间没有空行,所以发布之前请先浏览一遍结果。
一份文字使用等宽字体的 PDF(纯文本文件转成的 PDF),回来是一个单独的围栏代码块,像标题的第一行在围栏里面,而不是成为 `#` 标题。对于代码、日志或打字机风格文档的 PDF,请预期会这样;如果想要段落,就删掉或移动围栏。
一份只含图像的 PDF,由三张图片用图片转 PDF 制成,返回 HTTP 200,`text/markdown` 的正文为零字节。所以下载为空意味着文件没有文字层,而不是转换失败。不是 PDF 的文件返回 400 和 `invalid_pdf`,加密的文件返回 400 和 `password_required`。
选择相邻的工具:想要不带 Markdown 标记的文字,试试 PDF 转文本;表格用 PDF 转 CSV;扫描件用 OCR。目标是仓库、静态站点生成器或提示词,且标题和列表比页面几何更重要时,用 PDF 转 Markdown。
下载文件以上传文件命名,所以 `doc.pdf` 返回 `doc.md`。
功能
- 用 pdf-inspector 抽取 PDF 原生文字为 Markdown
- 不做 OCR;扫描件请用 OCR 工具
- 下载为 `text/markdown`,文件名 `.md`
- 匿名 API:/api/v1/convert/pdf/markdown
适用场景
- 把 PDF 版 README 搬进 Git 仓库
- 把文章文字喂给提示词流水线
- 根据 PDF 简报起草网页文案
- 把导出的政策文档转成 Markdown,让 diff 精确显示版本之间哪些句子改了
- 把长报告的文字拉进懂标题和列表的笔记工具
如何把 PDF 转成 Markdown?
- 优先使用基于文字的 PDF。扫描件请改用 OCR 转 Markdown。
- 上传 PDF,点击处理。
- 下载 `.md` 文件。
- 在编辑器里修正标题级别、重复的页眉和表格。
- 如果下载是空的,说明 PDF 没有文字层。请换成 OCR,不要重试。
- 检查结果里标题之前缺少的空行,以及包在普通文字外面的代码围栏,然后在你的 Markdown 渲染器里预览。
限制与边界
- 没有 OCR;纯图像的页面几乎提取不出东西,甚至一无所获
- 版式保真度有限
- 复杂的表格可能需要手工修正
- 纯图像的 PDF 返回的是成功的零字节文件,而不是错误
- 在一次测试中,等宽字体的文字被放在代码围栏里返回
- 跟在列表后面的标题之前,可能缺少一个空行
- 本网站的上传上限:每个文件 500 MB,超过约 95 MB 时分块上传。直接调用 API 时,单个请求体上限为 100 MB。
示例
- 文字版白皮书变成带段落和标题的 .md 文件
- 没有 OCR 的扫描件得到的有用 Markdown 很少,甚至没有
- 一份从文字处理软件导出、含标题、两个标题、一个项目符号列表和一个三行表格的文件,生成了 `# `、`## ` 标题、`- ` 项目符号和一个管道表格
- 由三张图片制成的 PDF 返回了空的 `.md`,HTTP 200
- 以等宽字体转成 PDF 的文本文件,回来是一个约 210 行的围栏代码块
本工具的隐私说明
文件经 HTTPS 上传,在服务器内存或短期临时目录中处理,结果就绪后即删除。我们不会为日后浏览、训练或广告画像保留副本。留存期限与 AdSense Cookie 说明见隐私政策。
常见问题
- 为什么我的 Markdown 是空的?
- PDF 很可能没有文字层。扫描件请用 OCR 转 Markdown。本工具只读取文件里已有的文字。
- 这和 OCR 一样吗?
- 不一样。OCR 看的是图像页面。PDF 转 Markdown 对原生文字使用 pdf-inspector。
- 会保留字体吗?
- Markdown 是文字加轻量结构。字体取决于之后渲染这份 Markdown 的东西。
- 能把 Markdown 转回 PDF 吗?
- 可以,用 Markdown 转 PDF。版式不会与原来的 PDF 一致。
- 表格会被转换吗?
- 简单的可以。一个三行的测试表格回来是带表头行的 Markdown 管道表格。合并单元格、嵌套表格和跨多页的表格可能需要手工修正;只关心表格时,PDF 转 CSV 是更好的目标。
- 为什么整份文档都在一个代码块里?
- 一份用等宽字体排版的测试 PDF,回来时被包在围栏代码块里。这是提取器处理那些文字的方式。如果文字其实是正文,请删掉围栏行。
- 为什么请求成功了,.md 文件却是空的?
- 对纯图像的 PDF,服务器返回 HTTP 200 和空的正文。没有可提取的文字。扫描件和页面照片请运行 OCR。
- 加密或损坏的 PDF 会得到什么错误?
- 加密的文件返回 400 和原因 `password_required`;页面会要求输入密码,API 调用方先运行移除密码。不是 PDF 的文件返回 400 和 `invalid_pdf`,并提示试试修复 PDF。
- 该用 Markdown 还是纯文本?
- 标题和列表要保留到仓库或提示词里时,用 Markdown。只想要文字、不要标记时,用 PDF 转文本。
最后更新:
用代码调用
本站每个工具都是普通 REST 接口。匿名使用不需要账号或 API Key,给浏览器、开发者和智能体同样可用。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/markdown" \
-F "[email protected]" \
-o output.pdf也提供 MCP 工具,供说 Model Context Protocol 的客户端调用(JSON-RPC 2.0,POST /mcp)。 完整 API 文档
在 AI 代理中使用
Skill装上这个 Skill,Claude Code、Codex、Cursor 等 AI 代理就能替你完成「PDF 转 Markdown」: /skills/pdf123-pdf-to-markdown.md
文件只用于本次处理,完成后自动删除。