Cara mengubah PDF ke Markdown untuk catatan atau chat AI

Kebanyakan PDF yang layak dimasukkan ke catatan atau ditanyakan ke chat AI adalah laporan, makalah, dan manual, dan Markdown adalah format yang paling baik ditangani keduanya. Konversinya cepat. Yang penting adalah mengetahui persis apa yang bertahan, karena itulah yang memberi tahu Anda apakah model benar-benar menerima bagian dokumen yang Anda tanyakan.

PDF ke Markdown, langkah demi langkah

1. Buka PDF to Markdown dan pilih Add a PDF, atau jatuhkan file ke halaman. Thumbnail halaman-halamannya akan muncul. File yang dilindungi kata sandi akan meminta kata sandinya terlebih dahulu.
2. Tekan tombol PDF to Markdown. Tidak ada pengaturan.
3. Periksa apakah heading halaman sesuai dengan dokumennya, lalu Copy hasilnya atau Download sebagai document.md.

Bentuk hasilnya

Heading halaman, dalam hasil ini, adalah baris ## Page n yang ditulis alat sebelum teks setiap halaman, di mana n adalah posisi halaman di dalam file, dihitung mulai dari 1. Di bawah setiap heading muncul semua teks di halaman itu, dibaca sesuai urutan di file dan digabung menjadi satu paragraf. PDF tiga halaman menghasilkan ini:

## Page 1

(all the text on page 1, as one paragraph)

## Page 2

(all the text on page 2, as one paragraph)

## Page 3

(all the text on page 3, as one paragraph)

Heading-nya level dua, sehingga file bisa ditempatkan di bawah judul catatan tanpa bersaing dengannya. Heading itu satu-satunya struktur dalam hasil, dan itu disengaja: pergantian halaman adalah satu-satunya batas struktural yang benar-benar dicatat oleh PDF. Semua hal lain yang Anda lihat di halaman (judul, daftar berpoin, tabel) adalah teks dan garis yang diposisikan, tanpa ada apa pun di file yang menyatakan apa itu.

Yang tidak bisa dibawa hasil Markdown

Di PDF	Di Markdown
Pergantian halaman	Heading ## Page n
Judul di dalam halaman	Teks biasa, di dalam paragraf halaman
Tebal dan miring	Teks biasa
Daftar berpoin atau bernomor	Teks butir-butirnya, menyatu
Tabel	Teks sel sesuai urutan di file, tanpa baris atau kolom
Pergantian baris dan paragraf di dalam halaman	Satu paragraf per halaman
Halaman hasil pindaian	Heading halaman tanpa isi di bawahnya; file yang seluruhnya hasil pindaian mendapat pesan sebagai gantinya

Judul di PDF hanyalah teks yang kebetulan lebih besar. Tidak ada penanda yang menyatakan “ini judul”, jadi konverter yang menaikkan teks besar menjadi # sedang menebak dari ukuran font. Cara itu berhasil pada dokumen yang dibuat dari satu template dan gagal pada semua yang lain, dan kegagalannya berupa omong kosong yang tampak meyakinkan: hierarki heading yang terlihat benar padahal tidak. Tabel adalah garis dan teks yang diposisikan tanpa hubungan yang tercatat di antara keduanya, dan memulihkannya memerlukan analisis garis tabel yang belum punya implementasi di sisi browser. Jadi hasilnya polos apa adanya, bukan salah secara halus.

Nomor halaman adalah lembar, bukan angka yang tercetak

n di setiap heading menghitung lembar dari awal file. Ia tidak tahu apa pun tentang angka yang tercetak di halaman. Ambil contoh laporan dengan sampul dan empat halaman front matter bernomor Romawi: halaman yang tercetak “1” adalah lembar keenam, jadi heading-nya bertuliskan ## Page 6.

Hal itu paling penting dalam chat. Ketika model mengutip “halaman 6”, maksudnya lembar keenam dari file yang Anda berikan, jadi cari halaman keenam di viewer Anda, bukan halaman dengan angka 6 tercetak di bagian bawah. Jika Anda sendiri yang membuat PDF-nya, memberi nomor setiap lembar mulai dari 1 dengan Page numbers membuat keduanya cocok.

Sebelum menempelkannya ke chat AI

• Cari heading yang tidak ada isinya. Heading yang langsung diikuti heading berikutnya berarti halaman itu kosong atau berupa gambar, sehingga model tidak menerima apa pun darinya. Dokumen yang seluruhnya hasil pindaian mendapat pesan bahwa tidak ada teks yang ditemukan, karena tidak ada lapisan teks untuk dibaca dan alat ini tidak melakukan OCR; dokumen yang hanya sebagian halamannya hasil pindaian menampilkan heading kosong untuk halaman-halaman itu.
• Baca satu halaman multi-kolom. Ini ekstraksi yang sama dengan PDF to text, jadi dua kolom bisa saling bersilang, dan teks dari header, footer, atau kotak mengambang bisa muncul di tengah kalimat.
• Kirim hanya halaman yang Anda perlukan. Split PDF mengambil rentang halaman terlebih dahulu. Heading kemudian dihitung dari awal hasil ekstrak, jadi halaman 1 di Markdown adalah halaman pertama yang Anda simpan, bukan halaman 1 dari dokumen asli.
• Ketahui kapan teks meninggalkan perangkat Anda. Konversi terjadi di tab browser Anda. Menempelkan hasilnya ke layanan chat adalah saat dokumen berpindah ke layanan itu, dan itu keputusan tentang layanannya, bukan tentang konversinya.

Cara lain melakukannya

Tidak ada metode bawaan di macOS, Windows, atau iPhone dalam daftar yang telah kami periksa. Di command line, pdftotext dari poppler menghasilkan teks biasa dari lapisan teks yang sama, tanpa heading halaman, yang harus Anda tambahkan sendiri:

pdftotext -layout input.pdf output.txt

Memastikan tidak ada yang diunggah

Buka tab Network di developer tools browser Anda sebelum menambahkan PDF. Saat file dibuka, halaman mengambil kode untuk membaca PDF; setelah itu, menjalankan konversi dan menyalin hasilnya tidak menambah permintaan apa pun yang membawa dokumen Anda.

Konversikan dokumen dengan PDF to Markdown. Jika Anda ingin teksnya tanpa heading halaman, PDF to text memberi kata-kata yang sama sebagai satu blok per halaman.