PDF를 Markdown으로 변환하는 것은 문서 콘텐츠를 Notes 앱, 정적 사이트 생성기, GitHub 위키 또는 Markdown을 기본 형식으로 사용하는 기타 시스템으로 가져오려는 경우에 유용합니다. 변환이 완벽하지는 않습니다. PDFs와 Markdown은 내용을 매우 다르게 표현하지만, 텍스트가 많은 문서의 경우 작업하기에 충분한 결과를 얻을 수 있는 경우가 많습니다.
마크다운의 PDF가 Word의 PDF보다 까다로운 이유
PDF와 Markdown은 문서 스펙트럼의 반대쪽 끝에 있습니다. PDF는 모든 요소의 정확한 위치를 유지하는 고정 레이아웃 형식입니다. 마크다운은 페이지 레이아웃 개념 없이 간단한 기호를 사용하여 구조(제목, 굵은 글씨, 목록)를 나타내는 일반 텍스트 형식입니다. 둘 사이를 변환한다는 것은 도구가 PDF의 시각적 구조를 해석하고 이를 의미론적 Markdown 기호로 변환해야 함을 의미합니다. 이는 생각보다 어렵습니다.
다중 열 레이아웃, 각주, 사이드바, 머리글 및 바닥글은 모두 골칫거리입니다. 변환은 명확한 제목 계층 구조와 간단한 형식을 갖춘 단일 열 문서에서 가장 깔끔하게 작동합니다.
방법 1: PDF를 먼저 Word로 변환한 다음 Markdown으로 변환
안정적인 2단계 접근 방식은 먼저 PDF를 Word로 변환한 다음 Word 문서를 Markdown으로 변환하는 것입니다. WukongPDF의 PDF to Word 도구를 사용하여 .docx 파일을 가져온 다음 Pandoc 또는 Word-to-Markdown(w2m)과 같은 도구를 사용하여 .docx를 .md 형식으로 변환합니다. Pandoc은 무료이며 명령줄에서 실행되며 .docx에서 Markdown으로의 변환을 잘 처리합니다.
Pandoc의 명령은 간단합니다: pandoc input.docx -o output.md. Pandoc은 Word의 제목 스타일을 Markdown 제목 수준에 매핑하고, 굵게 및 기울임꼴 형식을 변환하고, 목록과 테이블을 처리합니다. 출력에는 약간의 정리가 필요하지만 일반적으로 확실한 시작점입니다.
방법 2: 마크다운 도구에 직접 PDF 사용
몇몇 도구는 PDF에서 마크다운으로의 직접 변환을 시도합니다. Marker는 AI를 사용하여 PDF 구조를 해석하고 깔끔한 Markdown을 출력하여 이전 규칙 기반 변환기보다 제목, 테이블 및 코드 블록을 더 잘 처리하는 오픈 소스 Python 도구입니다. MathPix Snip은 또 다른 옵션으로, 방정식이 포함된 학문적 PDF에 특히 좋습니다.
더 간단한 문서의 경우 PDF2MD와 같은 온라인 도구는 설치 없이 브라우저 기반 변환을 제공합니다. PDF를 업로드하고, .md 파일을 다운로드하고, 텍스트 편집기에서 출력을 정리하세요. 품질은 문서 복잡성에 따라 다릅니다. 정리에 시간을 투자하기 전에 Markdown 미리 보기에서 출력을 시도하여 렌더링 방법을 확인하세요.
스캔 처리 PDFs
스캔된 PDF에는 텍스트 변환이 발생하기 전에 OCR이 필요합니다. OCR PDF 도구를 통해 파일을 실행하여 포함된 텍스트 레이어가 있는 버전을 만든 다음 위의 변환 방법 중 하나를 적용하세요. OCR이 없으면 변환 도구는 이미지를 보고 아무 것도 생성하지 않거나 잘못된 출력을 생성합니다.
OCR 후 PDF를 Word로 변환하고 Pandoc을 사용하면 직접 PDF-Markdown 도구보다 스캔한 문서에서 더 나은 Markdown 출력을 제공하는 경향이 있습니다. 왜냐하면 중간 Word 단계가 변환기에 작업할 수 있는 더 깨끗하고 구조화된 입력을 제공하기 때문입니다.
출력에서 기대할 수 있는 사항
PDF에서 Markdown으로의 변환은 바로 사용할 수 있는 완벽한 파일을 생성하지 않습니다. 문서 중간에 나타나는 페이지 머리글 및 바닥글 제거, 올바르게 감지되지 않은 제목 수준 수정, 잘못 정렬된 텍스트로 표시된 테이블 형식 다시 지정, 변환 프로세스에서 아티팩트 삭제 등 정리 작업에 시간이 걸릴 것으로 예상됩니다.
긴 문서의 경우 콘텐츠를 처음부터 다시 입력하는 것보다 시간 투자가 훨씬 적습니다. 몇 페이지에 불과한 짧은 문서의 경우 PDF 뷰어에서 직접 텍스트를 붙여넣고 마크다운 서식을 직접 추가하는 것이 더 빠를 수 있습니다.