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,httpsemailtosão 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
charsna resposta é o tamanho da saída em Markdown. - Um PDF digitalizado não tem camada de texto para converter. A ferramenta o recusa com
422e o códigoNO_TEXT_LAYERem 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.
