Extraire un PDF en Markdown RAG
Prêt pour RAGTransformez rapports PDF confidentiels et articles scientifiques en Markdown structuré avec titres, liens et paragraphes fusionnés — 100 % local.
- 0 octet envoyé
- Worker PDF.js auto-hébergé
- Détecte titres & recolle les lignes
Aperçu instantané Avant & Après
Markdown prêt pour le RAG[PDF Document — 2 Pages]
Quarterly Architecture Brief
1. Executive Summary
Client-side text extraction keeps sensitive PDF reports inside browser memory.
2. Key Benchmarks
• Median extraction latency: 45 ms per page
• Network bytes uploaded: 0 bytes# Quarterly Architecture Brief
## 1. Executive Summary
Client-side text extraction keeps sensitive PDF reports inside browser memory.
## 2. Key Benchmarks
- Median extraction latency: 45 ms per page
- Network bytes uploaded: 0 bytesComparaison des spécifications source et cible: PDF → Markdown
| Propriété | Source : PDF | Cible : Markdown |
|---|---|---|
| Type de structure | Document | Balisage |
| Lisibilité humaine | Faible | Élevée |
| Support d'imbrication | Non | Oui |
| Efficacité jetons LLM | Faible | Élevée |
| Extension | .pdf | .md |
| Type MIME | application/pdf | text/markdown |
| Idéal pour | Contrats à mise en page fixe, factures, articles scientifiques et diffusion en lecture seule. | Bases de connaissances IA/RAG, documentation technique, README, coffres Obsidian et prise de notes portable. |
Fonctionnement
Convertir des PDF en Markdown localement pour le RAG
Extrayez les couches texte sémantiques en mémoire navigateur sans jamais envoyer de PDF privés vers un serveur tiers.
- Déposez un ou plusieurs PDFChoisissez rapports confidentiels, spécifications ou manuels sur disque (ou chargez le PDF exemple).
- Ajustez les heuristiquesDétectez les titres par taille de police, fusionnez les retours coupés, gardez les liens et filtrez les en-têtes/pieds.
- Vérifiez les jetons ou exportezTéléchargez un Markdown propre ou passez directement au Compteur de jetons LLM avant le découpage RAG.
FAQ
Questions fréquentes
PDF vers Markdown charge-t-il des scripts CDN ou envoie-t-il mon PDF ?
Jamais. TxtTo sert son worker PDF.js depuis votre propre origine (/pdfjs/pdf.worker.min.mjs) et traite chaque page localement.
Comment les titres Markdown sont-ils détectés dans un PDF ?
TxtTo compare la hauteur de police de chaque segment avec la médiane du corps de texte pour déduire les niveaux #, ## et ###.
Que se passe-t-il si mon PDF est un scan image sans texte ?
L'extraction PDF locale lit les couches de texte sélectionnable ; les scans purement graphiques sans OCR renverront un texte vide.