如何把 PDF 转换为 Markdown（分步指南）

Markdown 是笔记软件、静态站点生成器、文档系统和 LLM 流水线的通用语言，而 PDF 不是。把 PDF 转成 Markdown，意味着被锁定在固定版式里的内容可以重新编辑、搜索、纳入版本管理和二次发布。

这篇指南讲清楚最快的转换方式，以及容易踩的坑。

为什么要把 PDF 转成 Markdown？Copy Anchor Link

• 编辑：PDF 为打印而设计，不为编辑而设计。Markdown 在任何文本编辑器里都能打开。
• 笔记软件：Obsidian、Logseq、Notion、Joplin 都原生支持 Markdown。
• 发布：Hugo、Astro、Next.js 等静态站点生成器都以 Markdown 为内容源。
• AI 工作流：LLM 处理 Markdown 远好于 PDF 裸文本，因为标题、列表、表格都以显式结构保留下来。
• 版本管理：git diff 对 Markdown 有效，对 PDF 无效。

快捷方式：在线转换器Copy Anchor Link

对大多数文档，在线转换器是最务实的选择。用 PDF Chapter Markdown 的流程是：

1. 上传 PDF（最大 50 MiB、200 页）。
2. 选择模式：
   • Balanced（均衡）——快，适合 Word/LaTeX 导出的数字原生 PDF，每页 1 额度。
   • Accurate（精确）——OCR 友好，适合扫描件和复杂版式，每页 2.5 额度。
3. 下载结果——按章节拆分成单独的 Markdown 文件，标题、表格、图片都保留。也可以整本下载为单个文件。

结果保留 24 小时，请及时下载。额度按量付费（$9.90 起），有效期 12 个月，无需订阅。

如何选择模式Copy Anchor Link

不确定就先用 Balanced，效果不好再换 Accurate。转换失败会自动全额退额度，但"成功转换却不满意"不会退费，所以先拿小文件试是明智的。

好的转换结果长什么样Copy Anchor Link

一个合格的转换器应该保留：

• 标题还是标题（#、##、###），而不是加粗的正文
• 表格还是 Markdown 表格，而不是被拍扁的段落
• 图片有引用，被提取出来，而不是悄悄丢失
• 列表和代码块保持正确的缩进和围栏

区分"可用输出"和"一堵文字墙"的关键是结构。这也是为什么按章节拆分很重要：一本 200 页的书变成一个巨大的 document.md，并不比原 PDF 好多少。每章一个文件，才能干净地映射到笔记、文档页或 RAG 分块。

自己动手：开源替代方案Copy Anchor Link

如果偏好本地工具，诚实的选项有：

• Marker 和 Docling——优秀的开源 PDF→Markdown 模型，需要 Python 环境，最好有 GPU。
• Pandoc——很多格式都很强，但 PDF 输入很弱（PDF 对 Pandoc 是输出格式，不是输入格式）。
• PyMuPDF / pdfplumber——底层文本提取，结构要自己重建。

如果你喜欢折腾工具链，这些都靠谱。如果只想把文档转好，托管转换器能省下搭建时间。

常见坑Copy Anchor Link

• 加密或 DRM 保护的 PDF 无法转换——如果你拥有该文档，先移除保护。
• 双栏学术论文会让简单提取器错乱，请用 OCR/版式感知模式。
• 超大文件：超过 200 页的 PDF 先拆分（任意 PDF 工具都能做到），再分批转换。

试一试Copy Anchor Link

在转换页上传一个 PDF，几分钟后就能拿到按章节拆分的 Markdown。如果你是为 LLM 流水线转换文档，再读读我们的面向 LLM 和 RAG 的 PDF 转 Markdown 指南。