PDF a Markdown
Convierte un PDF en un archivo Markdown que puedes llevar a una wiki, un sitio estático o un flujo con LLM.
API Endpoint
POST /api/v1/tools/pdf/pdf-to-markdown
Acepta datos de formulario multipart con un archivo PDF.
Parameters
Esta herramienta no tiene parámetros configurables. Sube un PDF y recibirás un archivo .md.
Example Request
bash
curl -X POST http://localhost:1349/api/v1/tools/pdf/pdf-to-markdown \
-H "Authorization: Bearer si_your-api-key" \
-F "[email protected]"Example Response
json
{
"jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"downloadUrl": "/api/v1/download/a1b2c3d4-e5f6-7890-abcd-ef1234567890/report.md",
"originalSize": 520000,
"processedSize": 14300,
"chars": 14300
}Un PDF grande puede tardar más que la ventana síncrona. Entonces la API responde 202 con jobId, y sigues el progreso en /api/v1/jobs/{jobId}/progress.
What gets kept
Un PDF guarda texto posicionado, no estructura, así que el conversor la deduce:
- Encabezados. Las líneas cortas con un tamaño claramente mayor que el del cuerpo pasan a ser encabezados de
#a######, ordenados por tamaño en todo el documento. - Listas. Las líneas que empiezan con una viñeta o un número pasan a ser elementos de lista.
- Negrita, cursiva y enlaces. Se conservan en línea. Solo sobreviven los enlaces
http,httpsymailto. - Tablas. Las tablas dibujadas con líneas salen como tablas de Markdown. Las tablas maquetadas solo con espacios suelen salir como párrafos normales.
Las imágenes se descartan. Los diseños de varias columnas y las páginas poco habituales se tratan lo mejor posible, así que revisa la salida antes de fiarte de ella.
Notes
- Formato de entrada aceptado:
.pdf. - El campo
charsde la respuesta es la longitud de la salida en Markdown. - Un PDF escaneado no tiene capa de texto que convertir. La herramienta lo rechaza con
422y el códigoNO_TEXT_LAYERen lugar de devolver un archivo vacío. Usa la herramienta OCR de PDF en esos casos. - Para el viaje de ida y vuelta, Markdown a PDF, Markdown a DOCX y Markdown a HTML leen archivos
.md.
