Saca el texto de un PDF.
Como Markdown, no como un caos.

Cómo funciona

1. 01Suelta un PDF en la caja de arriba. Se analiza con pdf.js de Mozilla, y tanto la biblioteca como sus fuentes se sirven desde este sitio: no se pide nada a ninguna CDN.
2. 02El texto se extrae página a página en orden de lectura. El tamaño de letra decide qué es un título; los huecos verticales, dónde rompen los párrafos; la letra pequeña pegada al borde superior o inferior se trata como encabezado o pie y se descarta.
3. 03Activa las marcas de página si quieres un comentario HTML entre páginas. Luego copia el Markdown o descarga el .md.

Qué admite

• Cualquier PDF con capa de texto real: exportado desde Word, LaTeX, Pages o el Imprimir a PDF de un navegador
• Texto en chino, japonés y coreano, mediante las tablas CMap que este sitio incluye
• Títulos deducidos del tamaño de letra, en tres niveles relativos
• Listas con viñetas y numeradas, detectadas por sus caracteres iniciales
• Palabras partidas con guion al final de línea, reunidas en una sola
• Marcas de separación de página opcionales, y hasta 500 páginas por archivo

Qué no hace

• Los PDF escaneados no dan nada. Si no se encuentra texto, te diremos que el archivo es probablemente un escaneo.
• Sin OCR. Leer fotografías de texto necesita otra herramienta por completo.
• Las maquetaciones a varias columnas, las tablas complejas y las fórmulas son, como mucho, un intento
• Los PDF cifrados o protegidos con contraseña se rechazan: aquí no hay dónde escribir una contraseña
• Las imágenes, los colores y la posición exacta desaparecen; Markdown no tiene manera de guardarlos
• Archivos de más de 25 MB, o documentos de más de 500 páginas