ตัวแปลง PDF เป็น Markdown

มันเปลี่ยน PDF ให้เป็นข้อความล้วนที่พาโครงสร้างของมันมาด้วย — หัวเรื่องเป็นเครื่องหมายแฮช รายการเป็นสัญลักษณ์หัวข้อย่อย ตารางเป็นแถวที่คั่นด้วยเครื่องหมายไปป์ มันสำคัญกว่าที่เคยเป็นเพราะโมเดลภาษาและดัชนีค้นหาอ่าน Markdown ได้ดีและอ่าน PDF ได้แย่ ดังนั้นการแปลงจึงกลายเป็นขั้นตอนแรกของไปป์ไลน์จำนวนมาก แทนที่จะเป็นเพียงความสะดวกเป็นครั้งคราว

ใช่ ทีละไฟล์ แผนแบบเสียค่าใช้จ่ายมีไว้สำหรับกรณีที่ทำซ้ำ: ทั้งโฟลเดอร์ในรอบเดียว เอกสารที่เทมเพลตมีองค์ประกอบประจำหน้าของตัวเองให้ระบุ และการรักษาการจัดการนั้นให้สม่ำเสมอ เพื่อให้ไฟล์ที่สี่ร้อยออกมาเหมือนไฟล์แรก

ตารางง่ายๆ แมปเป็น Markdown ได้อย่างสะอาด เซลล์ที่ผสานและส่วนหัวแบบซ้อนไม่มีสิ่งที่เทียบเท่าใน Markdown เลย ดังนั้นจึงต้องมีอะไรบางอย่างยอมให้ — และแทนที่จะแบนราบมันอย่างเงียบๆ สิ่งเหล่านั้นจะถูกระบุออกมา เพื่อให้คุณตัดสินใจได้ว่าตารางนั้นควรอยู่ในรูปภาพหรือควรจัดโครงสร้างใหม่ด้วยมือ

ยังทำไม่ได้ในตอนนี้ หน้าที่สแกนเป็นภาพของข้อความมากกว่าจะเป็นข้อความ และการอ่านภาพไม่ใช่สิ่งที่ระบบนี้ทำได้ในปัจจุบัน มีวิธีทดสอบเร็วๆ: เปิด PDF แล้วลองเลือกประโยคด้วยเคอร์เซอร์ หากเลือกได้ การแปลงก็จะทำได้ หากไม่มีอะไรถูกไฮไลต์ ก็จะทำไม่ได้

ส่วนใหญ่แปลงแล้วก็จบ ซึ่งเป็นรูปแบบที่ถูกต้องเมื่อคุณมีไฟล์เดียว สิ่งนี้สร้างขึ้นสำหรับสี่ร้อยไฟล์จากแหล่งเดียวกัน: สิ่งใดนับเป็นองค์ประกอบประจำหน้าในเทมเพลตนั้นจะถูกคำนวณครั้งเดียวและนำไปใช้กับที่เหลือ และคุณจะได้รับแจ้งว่าอะไรถูกนำออก แทนที่จะต้องเชื่อว่าผลลัพธ์ที่ดูสะอาดนั้นครบถ้วน