本地将 PDF 提取为 RAG Markdown

RAG 就绪

100% 在本地把机密 PDF 报告与学术论文转为保留标题、链接与连贯段落的结构化 Markdown。

100% 客户端本地运行 — 可在 Network 面板验证 0 字节上传在 Network 面板确认 0 字节发送

或将多个文件拖放至此 · Ctrl V 快速粘贴 · 或拖放 .pdf 文件 · 自托管本地 PDF 引擎
  • 0 字节上传
  • 自托管 PDF.js Worker
  • 自动识别标题与合并断行

实时转换前后预览

RAG 就绪 Markdown
转换前(输入)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
转换后(输出).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

源格式与目标格式规格对比: PDF → Markdown

规格属性源格式:PDF目标格式:Markdown
结构类型复合文档标记语言
人类可读性低高
支持嵌套不支持支持
LLM Token 效率低高
文件扩展名.pdf.md
MIME 类型application/pdftext/markdown
适用场景版式严格固定不变的商业合同、发票单据、学术论文及只读归档分发。AI/RAG 知识库、技术文档、README 说明、Obsidian 双链笔记库以及轻量级写作。

使用方法

如何在本地将 PDF 转为适用于 RAG 的 Markdown

无需将涉密文档传往外部服务器,直接在浏览器内存中提取语义文本层。

  1. 拖入一份或多份 PDF从硬盘选择机密报告、规范或手册(也可点击加载示例测试内置 PDF)。
  2. 调整启发式提取参数开启按字号识别标题、合并句中断行、保留超链接并剔除重复页眉页脚。
  3. 估算 Token 或下载 .md下载纯净 Markdown 文件,或直接传送至 LLM Token 计数器核算 RAG 切块大小。

常见问题

常见问题解答

PDF 转 Markdown 会请求外部 CDN 脚本或上传我的 PDF 吗?

绝不。TxtTo 直接从本站同源加载自托管 PDF.js Worker (/pdfjs/pdf.worker.min.mjs),每一页都在本地解析。

工具是如何自动识别 PDF 里的 Markdown 标题层级的?

TxtTo 会将各文本块的字体高度与全文正文中位字号进行对比,从而智能推断 #、## 与 ### 标题级别。

如果我的 PDF 是没有可选文字层的纯扫描图片怎么办?

纯客户端本地提取只能读取 PDF 嵌入的可选中文字层;无文字层的扫描图片 PDF 无法直接提取文本。