PDF vers Markdown
Transformez un PDF en fichier Markdown que vous pouvez déposer dans un wiki, un site statique ou un pipeline LLM.
Point de terminaison de l'API
POST /api/v1/tools/pdf/pdf-to-markdown
Accepte des données de formulaire multipart avec un fichier PDF.
Paramètres
Cet outil n'a aucun paramètre configurable. Téléversez un PDF et récupérez un fichier .md.
Exemple de requête
bash
curl -X POST http://localhost:1349/api/v1/tools/pdf/pdf-to-markdown \
-H "Authorization: Bearer si_your-api-key" \
-F "[email protected]"Exemple de réponse
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 volumineux peut dépasser la fenêtre synchrone. L'API répond alors 202 avec un jobId, et vous suivez la progression à /api/v1/jobs/{jobId}/progress.
Ce qui est conservé
Un PDF stocke du texte positionné, pas de la structure : le convertisseur la déduit.
- Titres. Les lignes courtes nettement plus grandes que le corps du texte deviennent des titres
#à######, classés par taille sur l'ensemble du document. - Listes. Les lignes qui commencent par une puce ou un numéro deviennent des éléments de liste.
- Gras, italique et liens. Conservés en ligne. Seuls les liens
http,httpsetmailtosont conservés. - Tableaux. Les tableaux tracés avec des traits de séparation deviennent des tableaux Markdown. Les tableaux mis en page par simple espacement ressortent généralement sous forme de paragraphes.
Les images sont supprimées. Les mises en page multicolonnes et les conceptions de page inhabituelles sont traitées au mieux, vérifiez donc le résultat avant de vous y fier.
Remarques
- Format d'entrée accepté :
.pdf. - Le champ
charsde la réponse correspond à la longueur de la sortie Markdown. - Un PDF numérisé n'a pas de couche de texte à convertir. L'outil le refuse avec
422et le codeNO_TEXT_LAYERau lieu de renvoyer un fichier vide. Utilisez l'outil OCR de PDF pour ces fichiers. - Pour l'aller-retour, Markdown vers PDF, Markdown vers DOCX et Markdown vers HTML lisent les fichiers
.md.
