PDF to Markdown
将 PDF 转换为 Markdown 文件,可直接放入 wiki、静态站点或 LLM 流水线。
API Endpoint
POST /api/v1/tools/pdf/pdf-to-markdown
接受包含一个 PDF 文件的 multipart 表单数据。
Parameters
此工具没有可配置参数。上传 PDF,即可得到一个 .md 文件。
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
}较大的 PDF 可能超出同步等待窗口。此时 API 会返回 202 和 jobId,你可以通过 /api/v1/jobs/{jobId}/progress 跟踪进度。
What gets kept
PDF 存储的是带位置的文本,而不是结构,因此转换器需要自行推断:
- 标题。 明显大于正文的短行会成为
#到######级标题,按整个文档中的字号排序。 - 列表。 以项目符号或数字开头的行会成为列表项。
- 粗体、斜体和链接。 以行内形式保留。只有
http、https和mailto链接会保留。 - 表格。 用框线绘制的表格会输出为 Markdown 表格。仅靠空格排版的表格通常会变成普通段落。
图片会被丢弃。多栏版式和特殊的页面设计只能尽力处理,使用前请检查输出。
Notes
- 接受的输入格式:
.pdf。 - 响应中的
chars字段是 Markdown 输出的长度。 - 扫描版 PDF 没有可转换的文本层。工具会以
422和错误码NO_TEXT_LAYER拒绝它,而不是返回空文件。请改用 PDF OCR 工具。 - 如需往返转换,Markdown to PDF、Markdown to DOCX 和 Markdown to HTML 可读取
.md文件。
