Convertor Markdown
PDF in Markdown
Incarci PDF-ul, primesti textul in Markdown, cu titluri, paragrafe si liste. Totul se intampla in browser, fisierul nu pleaca nicaieri. Un document de cincisprezece pagini se converteste in cateva secunde. Tabelele nu se reconstruiesc, si mai jos scriu de ce.
Cum recuperam structura
Un PDF nu contine paragrafe. Contine cuvinte asezate la coordonate, cu o marime de font fiecare. Restul e reconstructie.
Titlurile le deducem din marimea fontului: textul scris vizibil mai mare decat corpul documentului devine titlu. Paragrafele le deducem din spatiul dintre randuri. Listele, din bulinele si numerele de la inceput de rand. Taiem cratimele de la capat de rand si scoatem antetul si numarul de pagina care se repeta identic pe fiecare pagina.
Nu e magie si nu e perfect. Pe un raport obisnuit iese foarte bine. Pe o brosura de marketing cu text asezat in cinci casete colorate, mai putin.
De ce nu facem tabele
Pentru ca nu se poate face onest. Ca sa reconstruiesti un tabel dintr-un PDF trebuie sa ghicesti unde sunt coloanele dupa pozitia orizontala a cuvintelor. Merge pe tabele simple. Pe un tabel cu celule imbinate sau cu o coloana de text lung care se rupe pe doua randuri, iese o structura gresita.
Iar un tabel gresit e mai periculos decat text simplu, pentru ca arata corect. Citesti rezultatul, vezi randuri si coloane frumoase, si nu ai cum sa iti dai seama ca a treia coloana s-a amestecat cu a doua. Asa ca lasam tabelele ca text, cu randurile aliniate.
Cand PDF-ul e doar o poza
Se intampla des cu documente scanate. Deschizi fisierul, vezi text, dar nu poti selecta nimic - e o imagine a unei pagini, nu text. Convertorul iti spune asta si iti ofera recunoastere optica.
Pe o scanare curata rezultatul e bun, inclusiv pe diacritice romanesti. Pe o poza facuta cu telefonul, mai slab. Pe scris de mana, nu incerca. Recunoasterea ruleaza tot local, se descarca doar motorul si dictionarul de limba.
Pas cu pas
Alege fisierul PDF
Trage fisierul in zona de incarcare sau selecteaza-l din calculator. Ramane pe calculatorul tau.
Asteapta conversia
Un document obisnuit iese in cateva secunde. Prima conversie dureaza in plus, cat se incarca motorul.
Daca documentul e scanat, porneste recunoasterea optica
Cand pagina e o imagine, convertorul iti spune si iti ofera butonul. Pornirea o dai tu.
Verifica si salveaza
Citeste rezultatul, rearanjeaza tabelele care ies ca text, copiaza continutul sau descarca fisierul.
Intrebari frecvente
De ce nu ies tabelele?
Pentru ca reconstructia lor din pozitia cuvintelor greseste des, iar rezultatul gresit arata credibil. Preferam text corect in locul unui tabel inventat.
PDF-ul meu e scanat si nu iese nimic.
Nu are strat de text, e o imagine. Foloseste butonul de recunoastere optica.
Cat de mare poate fi fisierul?
Pana in 25 MB de pe calculator si 10 MB de pe telefon. Peste, browserul ramane fara memorie.
Se pierde ceva din document?
Formatarea vizuala, imaginile si asezarea in coloane. Textul, titlurile si listele raman.