PDF から Markdown へのコンバーター

PDF から Markdown への変換の仕組み

PDF は文書形式ではなく印刷形式です — 見出し、段落、表の概念を持たず、座標に描画されたグリフを保存しています。コンバーターは幾何情報からセマンティクスを再構築する必要があります: フォントサイズが見出しレベルに、整列した長方形が表のセルに、列の位置が読み順になります。

このページは pdf-inspector エンジン (WebAssembly にコンパイルされた Rust パーサー) を実行します。まず PDF を分類し (テキストベース、スキャン、混在)、ToUnicode CMap で埋め込みフォントをデコードし (CJK 含む)、段組みレイアウトの読み順を再構築し、長方形と罫線のグリッドから表構造を復元 — その後 GitHub Flavored Markdown を出力します。

すべてはブラウザタブ内でローカルに実行されます。PDF がデバイスの外に出ることはありません — アップロードなし、アカウントなし、サーバー処理なし。

最良の変換結果を得るには

エンジンはネイティブなデジタル PDF に最も効果を発揮します — Word、LaTeX、InDesign、PDF プリンターが生成したものすべて。スキャン文書にはテキストレイヤーがなく自動検出されます。OCR が必要であり、ロードマップに含まれています。

「LLM / AI 向けに最適化」オプションを有効にすると、出力がコンパクトプロファイルに切り替わります: フィラートークンの削減、1 行段落、引用に使えるページマーカー。ChatGPT、Claude、RAG パイプラインに文書を渡すときの推奨設定です。

結合セルを含む複雑な表や複数ページにまたがる財務レポートはヒューリスティックで復元されます — 変換後は必ず表の行に目を通してください。PDF から HTML、RST、LaTeX への変換では、まず Markdown を生成してから Pandoc エンジンに自動的に渡します。

PDF から Markdown への変換を使う人々

RAG パイプライン向けのコンテキストを準備する AI エンジニア — Markdown の構造はチャンカーに自然な境界を与え、コンパクトプロファイルはリクエストごとのトークンコストを削減します。

論文、財務レポート、請求書を Obsidian、Notion、バージョン管理された docs-as-code リポジトリに移す研究者やアナリスト — Markdown は diff がきれいで、どこでもレンダリングされます。