PDF to Markdown
Gör om en PDF till en Markdown-fil som du kan lägga i en wiki, på en statisk webbplats eller i en LLM-pipeline.
API Endpoint
POST /api/v1/tools/pdf/pdf-to-markdown
Tar emot multipart-formulärdata med en PDF-fil.
Parameters
Detta verktyg har inga konfigurerbara parametrar. Ladda upp en PDF så får du en .md-fil tillbaka.
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
}En stor PDF kan ta längre tid än synkfönstret. API:t svarar då 202 med en jobId, och du följer förloppet på /api/v1/jobs/{jobId}/progress.
What gets kept
En PDF lagrar placerad text, inte struktur, så konverteraren härleder den:
- Rubriker. Korta rader som är tydligt större än brödtexten blir rubriker från
#till######, rangordnade efter storlek i hela dokumentet. - Listor. Rader som börjar med en punkt eller ett nummer blir listposter.
- Fetstil, kursiv och länkar. Behålls i texten. Bara länkar av typen
http,httpsochmailtofinns kvar. - Tabeller. Tabeller ritade med linjer blir Markdown-tabeller. Tabeller som bara är uppställda med mellanrum kommer oftast ut som vanliga stycken.
Bilder tas bort. Layouter med flera kolumner och ovanliga sidutformningar hanteras efter bästa förmåga, så kontrollera resultatet innan du förlitar dig på det.
Notes
- Godkänt indataformat:
.pdf. - Fältet
charsi svaret är längden på Markdown-utdata. - En skannad PDF har inget textlager att konvertera. Verktyget avvisar den med
422och kodenNO_TEXT_LAYERi stället för att returnera en tom fil. Använd verktyget PDF OCR för sådana filer. - För rundturen läser Markdown till PDF, Markdown till DOCX och Markdown till HTML
.md-filer.
