什么是 PDF 转 Markdown？

PDF 转 Markdown 是把 PDF 中可读取的内容转换为可编辑 Markdown。好的结果不是把 PDF 页面一比一复刻出来，而是生成结构清晰的文本：标题、段落、列表、必要时的代码块，以及来源结构足够清楚时的简单表格。

这个区别很重要，因为 PDF 和 Markdown 的设计目标不同。PDF 关注页面在打印、分享和归档时看起来是否一致；Markdown 关注文档内容的结构，便于编辑、版本管理、发布、摘要和进入 AI 或文档工作流。

最后核对：2026-06-01。本文基于 PDF To Markdown 当前行为：常规模式在浏览器本地处理文本型 PDF，高级 OCR 可用于扫描版和复杂 PDF。

转换器实际能提取什么

文本型 PDF 通常包含文本层。你可以在 PDF 阅读器中选中一句话、复制到纯文本编辑器，并看到正常的文字，这类文件通常适合浏览器端转换。转换器会读取这些文本，并尝试恢复出 Markdown 结构。

转换器需要根据 PDF 中的线索推断结构：

• 较大或加粗的文字可能被识别为标题。
• 连续的短行可能被识别为列表。
• 对齐的行和列可能被转换为简单 Markdown 表格。
• 空白和换行会影响段落边界。
• 页眉、页脚和页码本来属于页面版式，转换后通常需要检查。

这也是为什么两个看起来几乎一样的 PDF，转换结果可能不同。一个文件内部可能有干净的文本层、标题和阅读顺序；另一个文件内部可能是定位字符、扫描图片，或者和视觉顺序不一致的文本顺序。

哪些 PDF 最适合转 Markdown

PDF 转 Markdown 最适合由文档工具、写作工具或系统导出的 PDF，而不是从纸张扫描出来的文件。比较适合的类型包括：

• 文档导出、产品手册和知识库草稿。
• 课堂讲义、会议记录和学习笔记。
• 以段落为主的报告。
• 只有一层表头、没有合并单元格的简单表格。
• 准备迁移到 Markdown 编辑器、静态站点、Git 仓库或 AI 工作流的草稿。

一个简单判断方法是复制三类内容：一个标题、一个段落、一行列表或表格。如果粘贴后的文字顺序符合阅读习惯，常规模式通常是合适的第一步。

哪些 PDF 需要额外检查

有些 PDF 仍然可以转换，但需要更仔细地复核：

• 扫描版和图片型 PDF 需要先 OCR 识别。
• 多栏报告的阅读顺序可能从左栏跳到右栏。
• 财务表格常见合并单元格、多层表头、脚注和缩进，Markdown 难以完整表达。
• 表单通常包含标签、值、框线和视觉分组，不容易映射为 Markdown。
• 学术论文可能包含公式、引用、边栏、页眉和参考文献，需要清理。
• 宣传册和演示型 PDF 更重视觉版式，阅读顺序不一定清楚。

Markdown 本身是简单格式。它适合承载可阅读结构，但不是 PDF 版式、桌面排版或精确印刷设计的替代品。

常规模式和高级 OCR 怎么选

如果 PDF 有可选中文本，并且你希望快速、本地、私密地转换，优先使用常规模式。常规模式在浏览器中运行，不上传 PDF、不保存 Markdown 结果，也不保存转换历史。

如果 PDF 是扫描版、图片型，或者结构复杂到普通文本提取效果很差，使用高级 OCR。高级 OCR 会上传 PDF 进行识别，处理完成后删除原始 PDF，并将生成的 Markdown 结果保留 24 小时供下载。高级 OCR 会按成功识别页数消耗积分。

实际使用时可以按这个顺序：

1. 文本型 PDF 先用常规模式。
2. 同时检查 Markdown 源码和渲染预览。
3. 只有当 PDF 没有可用文本层，或常规结果明显遗漏重要内容时，再切换到高级 OCR。

高质量 Markdown 结果应该是什么样

好的转换结果应该容易编辑，而不是完整保留 PDF 的字体、页边距、分页和视觉对齐。你可以重点检查这些信号：

• 标题被转换为合适的 Markdown 标题层级。
• 段落没有因为 PDF 的视觉换行被拆成很多短行。
• 列表仍然是列表，而不是普通文本。
• 简单表格即使需要微调，也能看出行列关系。
• 主体阅读顺序和原文一致。
• 页眉、页脚等重复内容不会干扰正文。

如果 Markdown 在简单复核后可以顺畅阅读，转换就已经完成了主要任务。如果你需要完全忠实的打印版式，应保留 PDF 作为最终展示文件，把 Markdown 当作可编辑文本版本。

常见使用场景

PDF 转 Markdown 最适合“复用内容”，而不是“复刻页面”：

• 把 PDF 文档迁移到 Markdown 文档站点。
• 把笔记转入 VS Code、Obsidian 或类似 Markdown 工作流。
• 在技术编辑、翻译或评审前提取干净文本。
• 在使用 AI 总结或分析报告前，先得到可检查的结构化文本。
• 使用批量转换把一组文本型 PDF 转成 .md 文件。

对于 AI 工作流，Markdown 通常比直接复制 PDF 文本更容易检查。标题、列表和代码块能提供更好的上下文结构；源码视图也便于你先删除无关页面再粘贴。

PDF 转 Markdown 不承诺什么

开始转换前，建议先了解这些边界：

• 字体、颜色、边距和精确分页不是转换目标。
• 复杂视觉表格可能需要人工重建。
• 常规模式不会把图片提取为真实图片文件。
• OCR 可能误读低分辨率扫描、手写字或特殊符号。
• 法律、医疗、金融、合规类文档在使用前应和原 PDF 对照检查。

更稳妥的心态是把转换结果当作高质量初稿。转换器负责提取和结构化，你仍然需要在准确性重要时复核最终 Markdown。

总结

PDF 转 Markdown 是从固定页面格式到可编辑结构化文本的桥梁。它最适合文本型 PDF；当来源文档越偏视觉化、扫描化或复杂版式，转换难度就越高。可选中文本先用常规模式，扫描版或复杂文件使用高级 OCR，发布、分享或进入后续工作流前务必检查 Markdown。