PDFGym
FR

Transforme un PDF en Markdown

ou dépose-le ici
Choisis d'abord un PDF.

De la documentation piégée en PDF est une documentation que personne ne met à jour. Cette page lit le texte sélectionnable, le reconstruit dans l’ordre de lecture avec titres, listes et blocs de code, et vérifie que 98 pour cent des caractères gardés ont survécu en ordre. Les pages numérisées n’ont pas de texte à libérer, donc ces fichiers sont refusés avec la raison nommée.

Le manuel qui devait devenir des pages wiki

Quand le fichier source est parti et qu’il ne reste que le PDF, retaper soixante pages n’est pas un plan. Extraits le texte avec sa structure et nettoie ça plutôt.

Une rédactrice technique hérite field-manual-2024.pdf, 60 pages, pas de source, et une consigne de le passer sur le wiki de l’entreprise. Elle l’ouvre ici, garde les marqueurs de page pour que chaque section reste traçable à sa page, laisse la suppression des répétitions pour abandonner les titres courants, et appuie sur Convertir en Markdown.

Le téléchargement atterrit comme field-manual-2024.md avec titres inférés, la ligne de vérification comptant les pages inspectées et le texte conservé. Elle le colle chapitre par chapitre dans le wiki, les marqueurs montrant où chaque page PDF commençait. Un après-midi de nettoyage bat un mois de retape.

Quatre passes du PDF au Markdown

  1. Ouvre le PDF

    Appuie sur Choisir un PDF, ou dépose le fichier sur la page. Le document a besoin de texte sélectionnable à donner.

  2. Règle marqueurs et répétitions

    Choisis Garder les marqueurs de page ou Document continu, puis Retirer les répétitions ou Garder chaque ligne. Une note sous les options redit la combinaison avant que tu exécutes.

  3. Convertis le texte

    Appuie sur Convertir en Markdown. Les lignes sont reconstruites dans l’ordre de lecture, et les indices de taille et style de police infèrent titres, listes et blocs de code.

  4. Vérifie et télécharge

    Le Markdown est relu : le compte de marqueurs doit égaler le compte de pages, les caractères doivent survivre en ordre au-dessus du plancher de conservation, et les erreurs d’encodage sont refusées. Télécharger le Markdown enregistre ensuite le fichier sous le nom de la source, à côté d’un pourcentage de conservation et de notes sur les répétitions retirées et les pages sans texte.

Ce que le convertisseur infère et ce qu’il prouve

Un PDF enregistre des passages positionnés ; Markdown enregistre de la structure ordonnée. L’outil groupe les passages en lignes, les lignes en ordre de lecture, et promeut les plus voyantes en titres, les puces en listes, et les passages à chasse fixe en code. Les marqueurs de page arrivent comme commentaires HTML nommant chaque page, invisibles une fois rendus, et la suppression des répétitions n’abandonne que les lignes courtes se répétant au même bord de page sur la plupart du document. La note de résultat te dit exactement combien de lignes sont parties.

La vérification garde ensuite trois choses : chaque marqueur de page présent et compté, les caractères visibles survivant dans leur ordre d’origine, et la conservation à 98 pour cent ou plus sans caractères de remplacement d’encodage. L’aperçu montre la page source à côté du premier morceau de Markdown en texte brut, délibérément non rendu pour que rien ne s’exécute. Survole-le avant de faire confiance à la structure.

Les documents qui convertissent mal

Les scans refusent franchement : pas de couche de texte, pas de Markdown, avec l’OCR nommé comme étape manquante. Le texte deviné a besoin de sa propre mesure de précision et d’une révision humaine, donc l’outil refuse de l’inventer. Les articles multi-colonnes, les tableaux denses et les notes de bas de page convertissent approximativement, l’ordre de lecture faisant de son mieux et l’aperçu montrant où il a supposé.

La suppression des répétitions a un bord tranchant. Un code promo, un avertissement ou un slogan imprimé au même bord de chaque page ressemble exactement à un titre courant pour la règle, et il sera abandonné avec le compte noté. Quand les lignes répétées sont du contenu plutôt que du mobilier, réexécute avec Garder chaque ligne et supprime les vrais en-têtes à la main.

Quand Markdown est la mauvaise cible

Un document bureautique modifiable vient de PDF en Word, et une copie visuelle de page de PDF en HTML. Les tableaux avec de vraies grilles appartiennent à PDF en CSV ou PDF en Excel. Pour revenir vers l’impression, Markdown en PDF rend le Markdown en document vérifié à nouveau. Les images de pages pour diapos viennent de PDF en images.

Pourquoi les brouillons restent sur ton appareil

Recherches non publiées, brouillons juridiques et rapports internes ne devraient pas passer une audition sur un serveur inconnu. Extraction, inférence et vérification de conservation tournent tous là où le PDF se trouve déjà, sans compte et sans rien de conservé.

Le mode d’échec est le silence, pas les déchets : sous le plancher de conservation, ou avec des gremlins d’encodage à bord, il n’y a simplement pas de téléchargement. Un fichier manquant te dit que le document a besoin d’une autre voie, ce qui bat un fichier confiant avec des trous.

Réponses courtes sur PDF en Markdown

Pourquoi mon article sur deux colonnes se lit-il en travers au lieu d’en bas ?
L’ordre de lecture suit les lignes visuelles, et deux colonnes ressemblent à une large ligne pour le groupeur. Tous les mots survivent, mais les articles en colonnes ont besoin d’un réordonnancement manuel après téléchargement.
Un code promo se répète sur chaque page et a disparu. Où est-il ?
La suppression des répétitions l’a mangé : une ligne courte au même bord sur la plupart des pages correspond à la règle des titres courants. Réexécute avec Garder chaque ligne pour le ramener.
Qu’est-ce que 98 pour cent de conservation impose vraiment ?
Que les caractères visibles ont été reportés dans leur ordre d’origine, presque tous. Sous le plancher, ou avec des caractères de remplacement d’encodage à bord, le téléchargement est retenu au lieu d’expédier des trous.
Puis-je faire confiance aux titres inférés ?
Plutôt. Les lignes plus grandes et grasses gagnent les marques, et la ligne de vérification compte combien ont été inférés. Survole l’aperçu quand même ; une légende voyante peut passer pour un titre.
L’aperçu montre des marques # brutes. C’est cassé ?
Non. L’aperçu est du texte brut exprès : il ne rend jamais de HTML, ne suit pas de liens, ni ne charge d’images. Colle le téléchargement dans n’importe quelle appli Markdown pour le voir habillé.

Plus d’outils qui déplacent des mots

Les outils ci-dessous traitent le texte avec le même soin : extrait sur ton appareil, vérifié avant téléchargement, et ne demandant jamais de compte.