Esta página foi traduzida automaticamente. Encontrou um erro?Ajude a melhorá-la.
Skip to content

PDF para Markdown ​

Transforme um PDF em um arquivo Markdown que você pode colocar em uma wiki, em um site estático ou em um pipeline de LLM.

API Endpoint ​

POST /api/v1/tools/pdf/pdf-to-markdown

Aceita dados de formulário multipart com um arquivo PDF.

Parameters ​

Esta ferramenta não tem parâmetros configuráveis. Envie um PDF e receba um arquivo .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
}

Um PDF grande pode demorar mais que a janela síncrona. Nesse caso a API responde 202 com um jobId, e você acompanha o progresso em /api/v1/jobs/{jobId}/progress.

O que é mantido ​

Um PDF guarda texto posicionado, não estrutura, então o conversor a infere:

  • Títulos. Linhas curtas claramente maiores que o texto do corpo viram títulos de # a ######, classificados por tamanho em todo o documento.
  • Listas. Linhas que começam com um marcador ou um número viram itens de lista.
  • Negrito, itálico e links. Mantidos no texto. Só os links http, https e mailto são preservados.
  • Tabelas. Tabelas desenhadas com linhas de grade saem como tabelas Markdown. Tabelas montadas só com espaçamento geralmente saem como parágrafos simples.

As imagens são descartadas. Layouts de várias colunas e designs de página incomuns são tratados no melhor esforço, então confira a saída antes de depender dela.

Notes ​

  • Formato de entrada aceito: .pdf.
  • O campo chars na resposta é o tamanho da saída em Markdown.
  • Um PDF digitalizado não tem camada de texto para converter. A ferramenta o recusa com 422 e o código NO_TEXT_LAYER em vez de devolver um arquivo vazio. Use a ferramenta PDF OCR para esses arquivos.
  • Para o caminho de volta, Markdown para PDF, Markdown para DOCX e Markdown para HTML leem arquivos .md.