PDF naar Markdown
Zet een PDF om in een Markdown-bestand dat je in een wiki, een statische site of een LLM-pipeline kunt gebruiken.
API Endpoint
POST /api/v1/tools/pdf/pdf-to-markdown
Accepteert multipart-formuliergegevens met een PDF-bestand.
Parameters
Deze tool heeft geen configureerbare parameters. Upload een PDF en je krijgt een .md-bestand terug.
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
}Een grote PDF kan langer duren dan het synchrone venster. De API antwoordt dan met 202 en een jobId, en je volgt de voortgang op /api/v1/jobs/{jobId}/progress.
Wat behouden blijft
Een PDF bevat gepositioneerde tekst, geen structuur, dus de converter leidt die af:
- Koppen. Korte regels die duidelijk groter zijn gezet dan de lopende tekst worden koppen van
#tot######, gerangschikt op grootte over het hele document. - Lijsten. Regels die beginnen met een opsommingsteken of een getal worden lijstitems.
- Vet, cursief en links. Blijven inline behouden. Alleen
http-,https- enmailto-links blijven behouden. - Tabellen. Tabellen die met lijnen zijn getekend komen eruit als Markdown-tabellen. Tabellen die alleen met spaties zijn opgemaakt komen meestal als gewone alinea's door.
Afbeeldingen worden weggelaten. Layouts met meerdere kolommen en ongebruikelijke paginaontwerpen worden naar beste kunnen verwerkt, controleer de uitvoer dus voordat je erop vertrouwt.
Notes
- Geaccepteerd invoerformaat:
.pdf. - Het veld
charsin het antwoord is de lengte van de Markdown-uitvoer. - Een gescande PDF heeft geen tekstlaag om te converteren. De tool weigert die met
422en de codeNO_TEXT_LAYERin plaats van een leeg bestand terug te geven. Gebruik daarvoor de tool PDF OCR. - Voor de omgekeerde weg lezen Markdown naar PDF, Markdown to DOCX en Markdown to HTML
.md-bestanden.
