PDF to Markdown
एक PDF को ऐसी Markdown फ़ाइल में बदलें जिसे आप विकी, स्टैटिक साइट या LLM पाइपलाइन में डाल सकें।
API Endpoint
POST /api/v1/tools/pdf/pdf-to-markdown
एक PDF फ़ाइल के साथ multipart form data स्वीकार करता है।
Parameters
इस टूल में कोई कॉन्फ़िगर करने योग्य पैरामीटर नहीं हैं। एक PDF अपलोड करें और बदले में .md फ़ाइल पाएँ।
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
}बड़े PDF में सिंक विंडो से ज़्यादा समय लग सकता है। तब API 202 के साथ जवाब देता है, जिसमें jobId होता है, और आप /api/v1/jobs/{jobId}/progress पर प्रगति ट्रैक करते हैं।
क्या-क्या बना रहता है
PDF में संरचना नहीं, स्थिति के साथ रखा टेक्स्ट सहेजा जाता है, इसलिए कन्वर्टर संरचना का अनुमान लगाता है:
- हेडिंग। बॉडी टेक्स्ट से साफ़ तौर पर बड़े साइज़ में लिखी छोटी पंक्तियाँ
#से######तक की हेडिंग बन जाती हैं, जिनका क्रम पूरे दस्तावेज़ में साइज़ के आधार पर तय होता है। - सूचियाँ। बुलेट या संख्या से शुरू होने वाली पंक्तियाँ सूची आइटम बन जाती हैं।
- बोल्ड, इटैलिक और लिंक। इनलाइन बने रहते हैं। केवल
http,httpsऔरmailtoलिंक बचते हैं। - टेबल। रूलिंग लाइनों से बनी टेबल Markdown टेबल के रूप में आती हैं। सिर्फ़ स्पेसिंग से बनी टेबल आमतौर पर सामान्य पैराग्राफ़ बनकर आती हैं।
इमेज हटा दी जाती हैं। मल्टी-कॉलम लेआउट और असामान्य पेज डिज़ाइन पर नतीजा सर्वोत्तम प्रयास भर होता है, इसलिए भरोसा करने से पहले आउटपुट जाँच लें।
Notes
- स्वीकृत इनपुट फ़ॉर्मेट:
.pdf। - रिस्पॉन्स में
charsफ़ील्ड Markdown आउटपुट की लंबाई है। - स्कैन किए गए PDF में कन्वर्ट करने के लिए टेक्स्ट लेयर नहीं होती। टूल खाली फ़ाइल लौटाने के बजाय उसे
422और कोडNO_TEXT_LAYERके साथ अस्वीकार कर देता है। ऐसे PDF के लिए PDF OCR टूल का उपयोग करें। - उल्टी दिशा में बदलने के लिए Markdown से PDF, Markdown से DOCX और Markdown से HTML
.mdफ़ाइलें पढ़ते हैं।
