Extraer PDF a Markdown para RAG

Listo para RAG

Convierte informes PDF y artículos confidenciales en Markdown estructurado con títulos, enlaces y párrafos unidos — 100% en local.

100% en cliente — Verifica 0 bytes subidos en la pestaña RedVerifica 0 bytes enviados en la pestaña Red

o suelta archivos aquí · Ctrl V para pegar · o suelta archivos .pdf · motor PDF local autoalojado
  • 0 bytes subidos
  • Worker PDF.js autoalojado
  • Detecta títulos y une saltos

Vista previa instantánea antes y después

Markdown listo para RAG
Antes (Entrada)architecture-brief.pdf
[PDF Document — 2 Pages]
Quarterly Architecture Brief
1. Executive Summary
Client-side text extraction keeps sensitive PDF reports inside browser memory.
2. Key Benchmarks
• Median extraction latency: 45 ms per page
• Network bytes uploaded: 0 bytes
Después (Salida).md
# Quarterly Architecture Brief

## 1. Executive Summary

Client-side text extraction keeps sensitive PDF reports inside browser memory.

## 2. Key Benchmarks

- Median extraction latency: 45 ms per page
- Network bytes uploaded: 0 bytes

Comparativa de especificaciones entre formato de origen y destino: PDF → Markdown

PropiedadOrigen: PDFDestino: Markdown
Tipo de estructuraDocumentoMarcado
Legibilidad humanaBajaAlta
Soporte de anidaciónNoSí
Eficiencia de tokens LLMBajaAlta
Extensión de archivo.pdf.md
Tipo MIMEapplication/pdftext/markdown
Ideal paraContratos con maquetación exacta, facturas, artículos científicos y distribución de solo lectura.Bases de conocimiento AI/RAG, documentación técnica, READMEs, bóvedas Obsidian y notas portátiles.

Cómo funciona

Cómo convertir PDFs a Markdown localmente para RAG

Extrae capas de texto semántico directo en la memoria del navegador sin subir PDFs privados a terceros.

  1. Suelta uno o más PDFsElige informes, especificaciones o manuales confidenciales (o pulsa Cargar ejemplo para probar un PDF sintético).
  2. Ajusta la extracciónDetecta títulos por tamaño de fuente, une saltos de línea rotos, conserva enlaces y quita cabeceras repetidas.
  3. Revisa tokens o descarga .mdDescarga Markdown limpio o pásalo directo a Contador de Tokens LLM antes de fragmentar para RAG.
Specs de formatos:PDF (.pdf)Markdown (.md)

FAQ

Preguntas frecuentes

¿PDF a Markdown descarga scripts desde CDN o sube mi PDF?

Nunca. TxtTo sirve su worker PDF.js desde el mismo origen (/pdfjs/pdf.worker.min.mjs) y procesa cada página localmente.

¿Cómo se detectan los títulos Markdown dentro de un PDF?

TxtTo compara la altura de fuente de cada bloque frente al tamaño mediano del cuerpo del documento para inferir niveles #, ## y ###.

¿Qué ocurre si mi PDF es una imagen escaneada sin capa de texto?

La extracción local lee texto seleccionable integrado; los escaneos formados solo por imágenes sin texto OCR devolverán salida vacía.