PDF 轉 Markdown
將 PDF 轉成 Markdown 檔案,可直接放進 wiki、靜態網站或 LLM 管線。
API 端點
POST /api/v1/tools/pdf/pdf-to-markdown
接受包含 PDF 檔案的 multipart 表單資料。
參數
此工具沒有可設定的參數。上傳 PDF 後即可取得 .md 檔案。
範例請求
bash
curl -X POST http://localhost:1349/api/v1/tools/pdf/pdf-to-markdown \
-H "Authorization: Bearer si_your-api-key" \
-F "[email protected]"範例回應
json
{
"jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"downloadUrl": "/api/v1/download/a1b2c3d4-e5f6-7890-abcd-ef1234567890/report.md",
"originalSize": 520000,
"processedSize": 14300,
"chars": 14300
}較大的 PDF 可能超出同步等待時間。此時 API 會回應 202 與 jobId,你可以透過 /api/v1/jobs/{jobId}/progress 追蹤進度。
保留的內容
PDF 儲存的是有位置的文字,而非結構,因此轉換器必須自行推斷:
- 標題。 明顯比內文大的短行會成為
#到######標題,依整份文件中的字級排序。 - 清單。 以項目符號或數字開頭的行會成為清單項目。
- 粗體、斜體與連結。 以行內形式保留。只有
http、https與mailto連結會保留。 - 表格。 以框線繪製的表格會輸出為 Markdown 表格。只靠空白排版的表格通常會變成一般段落。
圖片會被捨棄。多欄版面與特殊的頁面設計只能盡力處理,使用前請檢查輸出。
備註
- 接受的輸入格式:
.pdf。 - 回應中的
chars欄位是 Markdown 輸出的長度。 - 掃描 PDF 沒有可轉換的文字圖層。工具會以
422與錯誤碼NO_TEXT_LAYER拒絕,而不是回傳空檔案。請改用 PDF OCR 工具。 - 若要往返轉換,Markdown 轉 PDF、Markdown 轉 Word 與 Markdown 轉 HTML 可讀取
.md檔案。
