Convertitore online gratuito da PDF a MD

Markdown è utile quando il contenuto PDF deve essere modificato in un editor di codice, archiviato in un repository di documentazione o elaborato da un generatore di siti statici. La conversione estrae il testo e la struttura del documento in un file .md più piccolo e in formato testo semplice.

Cos'è il formato PDF

PDF (Portable Document Format) conserva il layout delle pagine, i font, le immagini e le impostazioni di stampa tra diversi sistemi operativi. I word processor, le applicazioni di desktop publishing, gli scanner, i browser web e i sistemi di reporting creano comunemente file PDF, che si trovano quindi in contratti, manuali, fatture, articoli accademici e documenti archiviati.

Un PDF memorizza il contenuto per la presentazione visiva anziché per una semplice modifica sequenziale. Il testo può essere suddiviso in frammenti posizionati e un PDF scansionato può contenere solo immagini delle pagine, senza caratteri selezionabili.

Cos'è il formato MD

MD è l'estensione di file consueta per un documento Markdown. Markdown utilizza caratteri di testo semplice come # per i titoli, - per gli elenchi e ** per l'enfasi; i processori Markdown convertono questi marcatori in HTML o in altri formati di output.

I file MD funzionano bene negli editor di codice, nei repository Git, nei sistemi di documentazione, nei generatori di siti statici e nelle applicazioni per prendere appunti. Sono piccoli, ricercabili, confrontabili con diff e facili da modificare, ma non conservano il layout fisso delle pagine, la tipografia esatta o ogni elemento grafico del PDF.

Come convertire PDF in MD

Utilizzando 101convert.com:

1. Apri il convertitore da PDF a MD su 101convert.com.
2. Carica il file .pdf di origine.
3. Scegli MD o Markdown come formato di output e avvia la conversione.
4. Scarica il file .md generato e aprilo in un editor Markdown per controllare titoli, elenchi, link e interruzioni di paragrafo.

Questo metodo online non richiede software installato ed è disponibile gratuitamente.

Utilizzando strumenti da riga di comando: per un PDF basato su testo, estrai i caratteri con pdftotext di Poppler:

pdftotext -layout input.pdf extracted.txt

L'opzione -layout tenta di conservare colonne e spaziatura. Apri extracted.txt, aggiungi dove necessario marcatori per i titoli Markdown, marcatori per gli elenchi, link e recinzioni di codice, quindi salvalo come output.md. In questo modo si ottengono risultati più puliti rispetto a fingere che pdftotext comprenda automaticamente la struttura Markdown.

Per la conversione automatizzata, un parser di documenti come Pandoc può convertire un formato intermedio:

pandoc input.docx -t gfm -o output.md

Pandoc in genere non interpreta PDF arbitrari come input strutturato, quindi prima esporta il PDF in DOCX o HTML con un'applicazione desktop adatta, poi esegui Pandoc su quel file intermedio.

Per i PDF scansionati: esegui l'OCR prima dell'estrazione. OCRmyPDF può aggiungere un livello di testo ricercabile:

ocrmypdf --deskew input.pdf searchable.pdf

Quindi estrai il testo da searchable.pdf con pdftotext. In un'applicazione desktop per PDF, utilizza il relativo comando OCR, spesso disponibile in Scan & OCR → Recognize Text, prima di esportare o copiare il contenuto.

Limitazioni relative a qualità e compatibilità

La conversione da PDF a Markdown è un processo di estrazione, non un'esportazione che conserva il layout. Le pagine con più colonne possono essere lette nell'ordine sbagliato; intestazioni, piè di pagina, numeri di pagina, tabelle, note a piè di pagina, collegamenti ipertestuali, equazioni e didascalie possono richiedere correzioni manuali.

Le immagini normalmente devono essere estratte separatamente e richiedono riferimenti Markdown come ![Caption](images/figure-1.png). Un file Markdown non può riprodurre la paginazione del PDF, gli elementi posizionati, i font incorporati o la fedeltà di stampa.

L'OCR introduce errori nei caratteri, soprattutto nelle scansioni a bassa risoluzione, con font insoliti, notazione matematica e contenuti scritti a mano. Verifica nomi, numeri, URL, valori delle tabelle e formulazioni legali rispetto al PDF originale prima di pubblicare o archiviare il file convertito.