当您想要将文档内容导入笔记应用程序、静态站点生成器、GitHub wiki 或使用 Markdown 作为其本机格式的任何其他系统时，将 PDF 转换为 Markdown 非常有用。转换并不完美 - PDFs 和 Markdown 表示内容的方式非常不同 - 但对于文本较多的文档，结果通常足以使用。
为什么 PDF 到 Markdown 比 PDF 到 Word 更棘手
PDF 和 Markdown 位于文档范围的两端。 PDF 是一种固定布局格式，可保留每个元素的精确位置。 Markdown 是一种纯文本格式，依靠简单的符号来指示结构（标题、粗体、列表），没有页面布局的概念。在它们之间进行转换意味着该工具必须解释 PDF 的视觉结构并将其转换为语义 Markdown 符号，这比听起来更难。
多列布局、脚注、侧边栏、页眉和页脚都会让人头疼。该转换在具有清晰标题层次结构和简单格式的单列文档上运行得最干净。
方法1：先将PDF转换为Word，然后再转换为Markdown
可靠的两步方法是先将 PDF 转换为 Word，然后将 Word 文档转换为 Markdown。使用WukongPDF的PDF to Word工具获取.docx文件，然后使用Pandoc或Word-to-Markdown (w2m)等工具将.docx转换为.md格式。 Pandoc 是免费的，从命令行运行，并且可以很好地处理 .docx 到 Markdown 的转换。
Pandoc 中的命令很简单：pandoc input.docx -o output.md。 Pandoc 将 Word 的标题样式映射到 Markdown 标题级别，转换粗体和斜体格式，并处理列表和表格。输出需要一些清理，但通常是一个坚实的起点。
方法 2：使用直接 PDF to Markdown 工具
有几种工具尝试直接将 PDF 转换为 Markdown。 Marker 是一个开源 Python 工具，它使用 AI 解释 PDF 结构并输出干净的 Markdown，比旧的基于规则的转换器更好地处理标题、表格和代码块。 MathPix Snip 是另一种选择，特别适合带有方程的学术 PDF。
对于更简单的文档，PDF2MD 等在线工具提供基于浏览器的转换，无需任何安装。上传 PDF，下载 .md 文件，然后在文本编辑器中清理输出。质量因文档复杂程度而异 - 在投入时间进行清理之前，尝试在 Markdown 预览器中输出，看看它是如何呈现的。
处理扫描的PDFs
扫描的 PDF 需要 OCR，然后才能进行任何文本转换。通过 OCR PDF 工具运行文件以创建带有嵌入文本图层的版本，然后应用上述转换方法之一。如果没有 OCR，转换工具看到图像后要么不产生任何结果，要么产生乱码输出。
OCR 后，先进行 PDF 到 Word 转换，然后再进行 Pandoc，与直接的 PDF 到 Markdown 工具相比，扫描文档往往会提供更好的 Markdown 输出，因为中间的 Word 步骤为转换器提供了更清晰、更结构化的输入。
输出结果
任何 PDF 到 Markdown 的转换都不会产生完美的、随时可用的文件。预计要花一些时间进行清理：删除出现在文档中间的页眉和页脚，修复未正确检测到的标题级别，重新格式化作为未对齐文本的表格，以及删除转换过程中的工件。
对于长文档，投入的时间仍然比从头开始重新输入内容要少得多。对于简短的文档（几页），直接从 PDF 查看器粘贴文本并手动添加 Markdown 格式可能会更快。