Extrair PDF para Markdown Pronto p/ RAG
Pronto p/ RAGTransforme relatórios PDF confidenciais e artigos científicos em Markdown estruturado com títulos, links e parágrafos unidos — 100% no navegador.
ou solte arquivos aqui · Ctrl V para colar · ou solte arquivos .pdf · motor PDF local auto-hospedado
- 0 bytes enviados
- Worker PDF.js auto-hospedado
- Detecta títulos e limpa quebras
Prévia Instantânea Antes e Depois
Markdown pronto 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 bytesComparação técnica entre o formato de origem e o de destino: PDF → Markdown
| Propriedade | Origem: PDF | Destino: Markdown |
|---|---|---|
| Tipo de estrutura | Documento | Marcação |
| Legibilidade humana | Baixa | Alta |
| Suporte a aninhamento | Não | Sim |
| Eficiência de tokens LLM | Baixa | Alta |
| Extensão do arquivo | .pdf | .md |
| Tipo MIME | application/pdf | text/markdown |
| Indicado para | Contratos com layout fiel à impressão, faturas, artigos científicos e distribuição somente leitura. | Bases de conhecimento IA/RAG, documentação técnica, READMEs, cofres do Obsidian e anotações portáteis. |
Como funciona
Como converter PDFs para Markdown localmente para RAG
Extraia camadas de texto semântico direto na memória do navegador sem enviar PDFs privados para fora.
- Solte um ou mais PDFsSelecione relatórios, especificações ou manuais confidenciais do disco (ou clique em Carregar Exemplo para testar um PDF sintético).
- Ajuste heurísticas de extraçãoDetecte títulos pelo tamanho da fonte, una quebras no meio da frase, preserve links e remova cabeçalhos/rodapés repetidos.
- Conte tokens ou baixe .mdBaixe Markdown limpo ou envie direto para o Contador de Tokens LLM antes de gerar chunks RAG.
FAQ
Perguntas frequentes
O PDF para Markdown baixa scripts de CDN externos ou envia meu PDF?
Nunca. O TxtTo serve o worker PDF.js direto da própria origem (/pdfjs/pdf.worker.min.mjs) e processa todas as páginas localmente.
Como títulos Markdown são detectados dentro de um PDF?
O TxtTo compara a altura da fonte de cada trecho de texto com o tamanho mediano do corpo para inferir títulos #, ## e ###.
E se meu PDF for uma imagem escaneada sem texto selecionável?
A extração local lê camadas de texto embutido. Digitalizações somente em imagem sem texto OCR retornarão texto vazio.