指南
在本地将 PDF、Word 与 Excel 整理为 RAG 与大模型适用的纯净 Markdown
100% 在本地将机密 PDF、Word DOCX 与 Excel 工作表转为结构清晰的 Markdown,精准保留标题层级与表格,提升 RAG 切分质量。
快速解答: 大模型与向量数据库切分结构化 Markdown 时,召回准确率显著高于直接读取 `.pdf`、`.docx` 或 `.xlsx` 原始二进制文件。TxtTo 在浏览器内存中通过自托管 PDF.js、OOXML 与多工作表解析引擎,将文档本地转换为适合 RAG 分块的规范 Markdown。
为什么直接粗暴提取 PDF/DOCX 会破坏 RAG 检索召回率
如果向量数据库入库的是毫无结构、充满句中硬换行、每页重复页眉页码以及散架表格行的大段纯文本,检索片段的语义就会支离破碎。
保留了语义 Markdown(`#` 标题、`-` 列表、`[链接](url)` 与 `| 表格 |`)的文档能让切分器严格沿着章节边界切块,确保每段向量块都带着清晰的上下文标题。
- 字号启发式算法从 PDF 视觉文本中还原 `#` 与 `##` 标题层级。
- 自动合并句中多余断行,恢复连贯自然的散文段落。
- 自动探测并过滤每页反复出现的页眉与页脚噪声。
利用自托管 PDF.js 在本地安全提取机密 PDF
把董事会报告、法务合同或内部架构设计传给第三方在线 PDF 转换器存在严重的泄密隐患。TxtTo 从本站同源直接加载自托管 PDF.js Worker,没有任何外部 CDN 请求。
整份 PDF 全程只在您本机浏览器内存中解析,瞬间把多页简报输出为适合向量入库或提示词粘贴的 Markdown。
纯 TypeScript 解析 Word (.docx) 与 Excel (.xlsx)
Word `.docx` 压缩包内的 `word/document.xml` 本身就存有明确的 `Heading1` 标题样式、超链接、列表编号与 `<w:tbl>` 表格结构。直接解析 OOXML 能精准保留语义结构,同时丢弃臃肿的内嵌图片二进制。
同理,Excel 工作簿也能直接输出为列对齐的 GFM 管道表格,让大模型准确对齐财务报表的多列指标而不串行。
## Q3 Architecture Metrics
| Region | Latency (ms) | Availability |
| :--- | :--- | :--- |
| US-East | 38.4 | 99.99% |
| EU-West | 42.1 | 99.98% |用离线 Token 计数器核对切块大小与预算
文档转为纯净 Markdown 后,可在向量切分或调用模型前先离线估算在 GPT-5、Claude 4 与 Gemini 2.5 下的 Token 总占用。
参考资料
常见问题
本地免上传提取能识别纯图片扫描版 PDF 吗?
不能。客户端 PDF 提取读取的是 PDF 内部嵌入的可选中文字层;没有文字层的纯拍照扫描件需要 OCR 才能识别文字。
Word 转 Markdown 会保留超链接和有序列表吗?
会的。解析器会读取 word/_rels/document.xml.rels 还原可点击 Markdown 链接,并根据编号定义重建无序和有序列表。
为什么长篇 RAG 文档里更推荐使用 Markdown 表格而不是原始 CSV?
Markdown 管道表格能自然嵌入正文章节中,在进行基于 Markdown 标题的文档切块时不会打断上下文结构。
相关格式
相关方案对比
相关指南
- Markdown 转 PDF 与 PDF 转 TXT:纯本地无上传文档处理在浏览器中将 Markdown 导出为支持中文排版的 A4/Letter PDF,并通过本地 PDF.js 无损提取去除断行的纯文本或 Markdown。
- 将 EPUB 电子书转为适用于 Obsidian 与 AI 研读的 Markdown 笔记在本地把无 DRM 的 EPUB 电子书解包为关联清晰的 Obsidian Markdown 笔记或分章 ZIP,完整保留标题层级、链接与排版。
- 本地从 CSV 与 JSON 构建合法的 JSONL 大模型微调数据集在浏览器本地从表格与 JSON 数组一键生成符合 OpenAI Chat、Alpaca 与 Gemini 要求的 .jsonl 微调数据集并逐行校验。