PDF से Markdown कन्वर्टर

यह PDF को सादे टेक्स्ट में बदलता है जो अपनी संरचना लिए रहता है — हेडिंग को हैश के रूप में, सूचियों को बुलेट के रूप में, तालिकाओं को पाइप-सीमित पंक्तियों के रूप में। यह पहले से अधिक मायने रखता है क्योंकि भाषा मॉडल और सर्च इंडेक्स markdown को अच्छी तरह और PDF को खराब तरह पढ़ते हैं, इसलिए कन्वर्ज़न अब कभी-कभार की सुविधा के बजाय बहुत सी पाइपलाइनों का पहला चरण है।

हाँ, एक बार में एक फ़ाइल। पेड प्लान उन मामलों के लिए हैं जो दोहराते हैं: पूरे फ़ोल्डर एक ही पास में, ऐसे दस्तावेज़ जिनके टेम्पलेट में पहचानने के लिए अपना फर्नीचर होता है, और उस हैंडलिंग को एक जैसा बनाए रखना ताकि चार सौवीं फ़ाइल पहली जैसी दिखकर वापस आए।

सरल तालिकाएँ markdown पर साफ़-साफ़ मैप हो जाती हैं। मर्ज किए गए सेल और नेस्टेड हेडर का markdown में कोई समतुल्य नहीं होता, इसलिए कुछ तो छोड़ना पड़ता है — और उन्हें चुपचाप सपाट करने के बजाय उनका ज़िक्र किया जाता है, ताकि आप तय कर सकें कि उस तालिका को इमेज रहना चाहिए या हाथ से पुनर्गठित किया जाना चाहिए।

अभी नहीं। स्कैन किया गया पेज टेक्स्ट का इमेज होता है, टेक्स्ट नहीं, और इमेज पढ़ना आज यह नहीं करता। एक त्वरित परीक्षण है: PDF खोलें और कर्सर से एक वाक्य चुनने की कोशिश करें। अगर चयन काम करता है, तो कन्वर्ज़न भी करेगा; अगर कुछ हाइलाइट नहीं होता, तो नहीं करेगा।

अधिकांश कन्वर्ट करके रुक जाते हैं, जो एक फ़ाइल होने पर सही रूप है। यह एक ही स्रोत से चार सौ के लिए बना है: उस टेम्पलेट में क्या फर्नीचर माना जाता है, यह एक बार निकाला जाता है और बाकी पर लागू किया जाता है, और आपको बताया जाता है कि क्या हटाया गया, बजाय इस पर भरोसा करने के कि साफ़-सुथरा दिखने वाला आउटपुट पूरा है।