Extraer PDF a Markdown para RAG
Listo para RAGConvierte informes PDF y artículos confidenciales en Markdown estructurado con títulos, enlaces y párrafos unidos — 100% en local.
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[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# 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 bytesComparativa de especificaciones entre formato de origen y destino: PDF → Markdown
| Propiedad | Origen: PDF | Destino: Markdown |
|---|---|---|
| Tipo de estructura | Documento | Marcado |
| Legibilidad humana | Baja | Alta |
| Soporte de anidación | No | Sí |
| Eficiencia de tokens LLM | Baja | Alta |
| Extensión de archivo | .pdf | .md |
| Tipo MIME | application/pdf | text/markdown |
| Ideal para | Contratos 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.
- Suelta uno o más PDFsElige informes, especificaciones o manuales confidenciales (o pulsa Cargar ejemplo para probar un PDF sintético).
- Ajusta la extracciónDetecta títulos por tamaño de fuente, une saltos de línea rotos, conserva enlaces y quita cabeceras repetidas.
- Revisa tokens o descarga .mdDescarga Markdown limpio o pásalo directo a Contador de Tokens LLM antes de fragmentar para RAG.
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.