PDF から RAG 向け Markdown をローカル抽出

RAG 最適化

社外秘の PDF レポートや研究論文を、見出し・リンク・自然な段落を復元した構造化 Markdown へ 100% ローカル変換します。

100% クライアント処理 — Network タブで送信量 0 バイトを確認できますNetwork タブでバイト送信 0 を確認する

複数ファイルをここにドロップ、または Ctrl V で貼り付け · または .pdf ファイルをドロップ · セルフホストローカル PDF エンジン
  • 送信データ 0 バイト
  • セルフホスト PDF.js
  • 見出し推定&改行結合

変換前後の即時プレビュー

RAG 最適化 Markdown
変換前(入力)architecture-brief.pdf
[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
変換後(出力).md
# 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

変換元と変換先フォーマットの仕様比較: PDF → Markdown

仕様項目変換元: PDF変換先: Markdown
構造タイプ文書コンテナマークアップ
可読性低高
ネスト対応非対応対応
LLM トークン効率低高
拡張子.pdf.md
MIME タイプapplication/pdftext/markdown
主な用途印刷レイアウト通りの契約書、請求書、学術論文、閲覧専用の公式資料配布。AI/RAG ナレッジベース、開発ドキュメント、README、Obsidian ノート、ポータブルな技術文書。

使い方

RAG 用に PDF をローカルで Markdown 化する手順

機密 PDF を外部サーバーにアップロードすることなく、ブラウザメモリ上でテキスト層を意味構造付きで抽出します。

  1. PDF を1つ以上ドロップPC からレポート、仕様書、マニュアル等の .pdf を選択します(サンプル PDF 読込も可)。
  2. 抽出ヒューリスティクスを調整文字サイズによる見出し推定、途中改行の結合、リンク保持、反復ヘッダー/フッター除去を設定します。
  3. トークン確認または .md 保存クリーンな Markdown を保存するか、そのまま LLM トークン計測へ渡してチャンク設計に活用します。
フォーマット仕様:PDF (.pdf)Markdown (.md)

FAQ

よくある質問

PDF to Markdown は外部 CDN スクリプトの取得やファイル送信を行いますか?

一切行いません。同一サイトの /pdfjs/pdf.worker.min.mjs からローカル実行し、外部通信は 0 バイトです。

PDF 内からどうやって Markdown の見出しレベルを判定しているのですか?

ページ全体の本文フォントサイズの中央値と各テキスト行のフォント高さを比較し、#、##、### の見出しを推定しています。

テキスト選択できないスキャン画像だけの PDF も抽出できますか?

ローカル抽出エンジンは埋め込みテキスト層を読み取るため、文字データを持たない画像スキャン PDF の場合は OCR が必要になります。