PDF 转 Markdown
将 PDF 转为干净、可编辑的 Markdown —— 无需上传文件。
“PDF 转文本”和“PDF 转 Markdown”听起来像是同一项任务，实则不然。二者的关键区别在于结构，而结构决定了你后续能对转换结果做些什么。
一句话概括
当仅需提取文字内容、无需任何其他信息时，请使用纯文本：例如全文检索、统计字数、输入脚本，或粘贴到会自动清除格式的字段中。当文档的形态结构至关重要时，请使用Markdown：例如标题层级、列表、强调格式、超链接和代码块。Markdown 本身仍是纯文本，但它携带了其他工具可识别的语义结构。
各格式保留的内容对比
| 特性 | 纯文本 | Markdown |
|---|---|---|
| 文字内容 | 是 | 是 |
| 段落分隔 | 有时保留（取决于转换器） | 是 |
| 标题 | 否 | 是（如 #、##） |
| 列表 | 被展平为普通行，或仅保留短横线 | 是（如 -、1.） |
| 加粗与斜体 | 否 | 是（如 **、*） |
| 超链接 | 仅保留 URL 地址 | [显示文字](url) |
| 表格 | 否 | 支持基础管道表格（pipe tables） |
| 代码 | 否 | 支持围栏式代码块（fenced blocks） |
将一份报告导出为纯文本，你得到的是一整堵密不透风的句子墙；而导出为 Markdown，则更接近该报告原有的逻辑大纲。若将纯文本粘贴进 Notion，你会得到一个冗长的单一段落；但若粘贴 Markdown，你将获得清晰的标题与列表结构。
何时应选择纯文本
- 全文检索：索引系统并不关心标题层级。
- 字数统计与可读性评分：格式符号只会引入干扰噪声。
- 脚本与数据处理流水线：
grep、awk及大多数自然语言处理（NLP）工具均以纯文本为标准输入。 - 简易复制粘贴场景：例如提交工单或填入数据库字段——这些场景本身就会剥离 Markdown 格式。
- 直接引用原文：若你需要精确复现某段原文，纯文本可避免额外插入标记符。
当原始 PDF 排版混乱不堪时，纯文本也是更稳妥的选择。试图从格式糟糕的 PDF 中推断标题层级的转换器，反而可能凭空“发明”出并不存在的结构；而纯文本则承诺更少、失真也更可控。
何时应选择 Markdown
- 笔记与知识库管理：Obsidian、Notion、Logseq 和 GitHub 均原生支持 Markdown。
- 技术文档编写：README 文件、更新日志（changelogs）与帮助文章普遍采用 Markdown。
- 大语言模型（LLM）提示词：模型能良好理解 Markdown 结构；标题与项目符号可让指令更清晰易懂。
- 内容编辑：你可以轻松重写某个章节，而无需与复杂排版搏斗。
- 版本控制：Markdown 的 diff 差异对比清晰可读；PDF 的 diff 则毫无意义。
当你计划复用内容时，Markdown 同样更具优势：同一份文件只需少量修改，即可转化为博客文章、幻灯片提纲或帮助文档。
无论哪种格式，转换过程均有信息损失
两种格式均无法替代原始 PDF 作为备份。它们都会丢失页面布局、字体、颜色、图片及精确页码等信息。还需特别注意以下几点：
- 表格：Markdown 表格设计上即为简洁形式；合并单元格与嵌套表格均无法保留。
- 脚注：参考编号可能残留，但脚注正文可能被移至文末，甚至完全消失。
- 多栏排版文本：阅读顺序可能出现交错混杂；请务必先检查第一页，再判断其余页面是否可信。
- 扫描版 PDF（无文字层）：没有可提取的文字层，自然无法输出任何文本——请先运行 OCR（光学字符识别）。
若对保真度要求极高，请始终保留原始 PDF；仅对副本执行转换以便编辑。
一条实用准则
只需问自己一个问题：接下来谁（或什么）将读取这份内容？
- 搜索引擎、自动化脚本，或仅需快速摘录某句引文的人 → 选纯文本。
- 笔记应用、文档网站、大模型提示词，或另一位需要编辑内容的人 → 选Markdown。
若答案是“两者皆有”，建议统一转为 Markdown，再按需剥离标记符获取纯文本。从 Markdown 降级为纯文本轻而易举；但从纯文本逆向还原结构，则几乎不可能。
不妨用你已知的一份文档亲自试试：PDF 转 Markdown 工具在浏览器中运行，即时生成可编辑的 Markdown。将其与你的 PDF 阅读器所复制出的纯文本对比，二者取舍便一目了然。