PDF Inspector für eine präzise PDF-zu-Markdown-Konvertierung

PDF Inspector analysiert jede Seite vor der Umwandlung von PDF in Markdown.

Dabei bleiben eine sinnvolle Lesereihenfolge, Tabellen, Überschriften, Listen, Links und Code erhalten; bei Bedarf kommt selektive OCR zum Einsatz.

Konvertierung starten

1

Datei zum Konvertieren hochladen

Upload your file

Drag and drop or click to select

oder über eine Website- / öffentliche Datei-URL

0/3-Upgradeauf 30

Datenschutz und Leistung: Die Dateiverarbeitung erfolgt vollständig in Ihrem Browser, sodass keine Dateien hochgeladen werden. Die Verarbeitungsgeschwindigkeit kann je nach Gerät und Browserumgebung variieren.

PDF prüfen und in Markdown umwandeln

PDF Inspector verbindet Dokumentanalyse und Konvertierung, damit jede Seite über den passenden Extraktionsweg verarbeitet wird.

Auf Ihrem Gerät ausgewählte Dateien werden lokal verarbeitet und als Markdown ausgegeben, das Sie vor dem Herunterladen prüfen können.

1

PDF hinzufügen

Wählen Sie eine PDF-Datei von Ihrem Gerät oder geben Sie die URL einer öffentlichen Datei an und fügen Sie sie der Konvertierungswarteschlange hinzu.

2

Seitenstruktur prüfen

Lassen Sie PDF Inspector den Dokumenttyp, komplexe Layouts, OCR-pflichtige Seiten und mögliche Probleme mit der Schriftkodierung erkennen.

3

Mit selektiver OCR konvertieren

Wandeln Sie eingebetteten Text direkt um. Bei aktivierter automatischer OCR werden nur markierte Scan- oder Bildseiten an die OCR weitergeleitet.

4

Markdown prüfen und herunterladen

Sehen Sie sich die rekonstruierten Überschriften, Absätze, Listen, Tabellen, Links und Codeblöcke an und laden Sie das Ergebnis als Markdown-Datei herunter.

Warum PDFs vor der Markdown-Konvertierung geprüft werden sollten

Eine PDF-Datei beschreibt, wo Inhalte auf einer Seite erscheinen, nicht wie sie in Markdown gelesen werden sollen.

PDF Inspector untersucht die hinter der sichtbaren Seite liegenden Signale, bevor die Extraktionsmethode festgelegt wird.

Eine Datei kann verschiedene Seitentypen enthalten
Ein digitaler Bericht kann auswählbaren Text, gescannte Anhänge, reine Bildseiten und gemischte Seiten enthalten. Eine einzige Extraktionsmethode für die gesamte Datei kann Inhalte übersehen oder Zeit mit unnötiger OCR verschwenden.
Visuelle Reihenfolge ist nicht gleich Lesereihenfolge
PDF-Text wird häufig als positionierte Fragmente gespeichert. Ohne Schrift- und Koordinatenkontext können zweispaltige Artikel, Seitenleisten, Bildunterschriften und von rechts nach links gelesene Passagen in der falschen Reihenfolge verbunden werden.
Tabellen liegen nicht immer als Daten vor
Viele PDFs zeichnen Tabellen aus Linien und einzeln platzierten Wörtern, anstatt echte Zeilen und Spalten zu speichern. Finanzaufstellungen, Fußnoten und über mehrere Seiten fortgesetzte Tabellen benötigen eine layoutbewusste Rekonstruktion.
Image 1

Die Konvertierungspipeline von PDF Inspector

PDF Inspector lädt das Dokument nur einmal und verwendet dieselbe Analyse für Prüfung und Extraktion. So bleiben Seitenentscheidungen und das resultierende Markdown aufeinander abgestimmt.

Anstatt alle Seiten gleich zu behandeln, kombiniert das System PDF-Klassifizierung, räumliche Textanalyse, Strukturwiederherstellung und optionales OCR-Routing.

Ein leichtgewichtiger Stichprobendurchlauf ordnet die Datei als TextBased, Scanned, ImageBased oder Mixed ein und erfasst einen Konfidenzwert von 0.0 bis 1.0 sowie OCR-Kandidaten pro Seite. Die Prüfung dauert meist einige zehn Millisekunden, abhängig von Datei und Gerät.

Schriftmetriken und X/Y-Positionen setzen Absätze in einer natürlicheren Reihenfolge zusammen, einschließlich Zeitungsspalten, sequenziellem Spaltenfluss und Text von rechts nach links.

Leiten Sie H1- bis H4-Überschriften aus relativen Schriftgrößen ab, erkennen Sie Aufzählungen sowie nummerierte und alphabetische Listen, Monospace-Code, Fett- und Kursivschrift, URLs und klare Seitenumbrüche.

Rekonstruieren Sie Tabellen mit Rahmen aus PDF-Zeichenoperationen und rahmenlose Tabellen aus wiederkehrenden Textausrichtungen – einschließlich Finanzlayouts, zugehöriger Fußnoten und Fortsetzungen über mehrere Seiten.

Dekodieren Sie Type0- und Identity-H-Schriften über eingebettete ToUnicode-CMaps, unterstützen Sie UTF-16BE-, UTF-8- und Latin-1-Text und markieren Sie Seiten mit weiterhin unzuverlässiger Zeichenzuordnung.

Warum PDF Inspector für PDF-zu-Markdown verwenden?

Treffen Sie Verarbeitungsentscheidungen anhand tatsächlicher PDF-Merkmale und erzeugen Sie Markdown, das leichter zu prüfen, bearbeiten und wiederverwenden ist.

Keine pauschale OCR für das ganze Dokument
Nutzen Sie die schnelle native Textextraktion für digitale Seiten und reservieren Sie OCR für Seiten, die sie wirklich benötigen. Das reduziert doppelten Text und unnötige Bilderkennung.
Lokale Dateien privat halten
PDF Inspector führt seinen Rust-Parser als WebAssembly in einem Web Worker aus. Auf Ihrem Gerät ausgewählte PDFs werden daher ohne Datei-Upload oder Server-Rundreise im Browser verarbeitet.
Komplexe Leseflüsse erhalten
Positionsbewusste Extraktion hilft Markdown, Spalten und von rechts nach links gelesene Abschnitte sinnvoll anzuordnen, statt alle Textfragmente nach ihrer internen Speicherreihenfolge abzuflachen.
Mehr Bedeutung aus Tabellen bewahren
Zeichen- und ausrichtungsbasierte Erkennung überführt Tabellen mit und ohne Rahmen in Markdown – auch Layouts, die eine einfache Textextraktion über mehrere Zeilen verstreuen würde.
Prüfbares Markdown erstellen
Überschriften, Listen, Codeblöcke, Hervorhebungen, Links, Tabellen und Seitengrenzen erleichtern den Vergleich mit der Quelle, bevor die Ausgabe in Dokumentations- oder Suchsysteme übernommen wird.
Einen leichtgewichtigen ersten Durchlauf nutzen
Der Kernparser von PDF Inspector ist in Rust geschrieben, verwendet lopdf für die PDF-Analyse und benötigt für textbasierte Seiten kein ML-Modell. Ein OCR-Modell wird nur geladen, wenn OCR aktiv ist und eine Seite dorthin geleitet wird.

FAQ zu PDF Inspector und PDF-zu-Markdown

Klare Antworten zu Dokumentklassifizierung, strukturierter Extraktion, OCR, Datenschutz und Konvertierungsgrenzen.