一站式PDF转Markdown解决方案PDF3MD

发表于 更新于 分类于 Waline： 阅读次数： 本文字数： 1.9k 阅读时长 ≈ 2 分钟
PDF3MD 是一个现代、用户友好的 Web 应用程序，可将 PDF 文档转换为干净、格式化的 Markdown 文本。

简介

什么是 PDF3MD ？

PDF3MD 是一个现代化、用户友好的网络应用程序，旨在将 PDF 文档转换为干净、格式化的 Markdown 文本。它提供了高效的转换工具，支持多种文件格式之间的转换。

主要特点

  1. PDF 转 Markdown：能够将 PDF 文档转换为可读性强的 Markdown 格式，同时保留文档的结构元素。
  2. **Markdown 转 Word (DOCX)**：支持将用户提供的 Markdown 文本转换为 DOCX 格式，使用 Pandoc 实现高质量输出。
  3. 多文件上传：支持同时上传和处理多个 PDF 文件，提升工作效率。
  4. 拖拽式界面：提供用户友好的文件上传方式，支持拖放或传统的文件选择。
  5. 实时进度跟踪：在转换过程中提供详细的状态更新，用户可以实时监控转换进度。
  6. 现代响应式用户界面：设计直观，适合各种设备使用。

应用场景

  • 文档转换：适用于需要将 PDF 文档转换为 Markdown 的用户，例如技术文档编辑、博客撰写等。
  • 内容编辑：方便用户在 Markdown 格式下进行内容编辑和格式化，然后可以轻松导出为 Word 文档。
  • 批量处理：适合需要处理大量文档的场景，例如教育机构、出版社等。

PDF3MD 通过提供简化的文档转换流程，大大提升了用户的工作效率和体验。

安装

在群晖上以 Docker 方式安装。

本文写作时， latest 版本对应为 sha-229610b；

采用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
services:
  backend:
    image: learnedmachine/pdf3md-backend:latest 
    container_name: pdf3md-backend
    restart: unless-stopped
    ports:
      - "6201:6201"
    volumes:
      - ./data:/app/temp
    environment:
      - PYTHONUNBUFFERED=1
      - FLASK_ENV=production
      - TZ=Asia/Shanghai
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:6201/"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 40s

  frontend:
    image: learnedmachine/pdf3md-frontend:latest 
    container_name: pdf3md-frontend
    restart: unless-stopped
    ports:
      - "6202:3000"
    environment: {}
    depends_on:
      - backend
    healthcheck:
      test: ["CMD", "wget", "--no-verbose", "--tries=1", "--spider", "http://localhost:3000/"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 40s

然后执行下面的命令

1
2
3
4
5
6
7
8
9
10
# 新建文件夹 pdf3md 和 子目录
mkdir -p /volume1/docker/pdf3md/data

# 进入 pdf3md 目录
cd /volume1/docker/pdf3md

# 将 docker-compose.yml 放入当前目录

# 一键启动
docker-compose up -d

运行

在浏览器中输入 http://群晖IP:6202 就能看到主界面

PDF 转 MD

老苏将本文在 obsidian 中转成了 pdf 格式

然后将 pdf 丢进来 PDF3MD

转换速度很快，虽然不能 100% 复原，但是也大差不差的

不要用那种扫描的 pdf 文件，毕竟还不支持 ocr 功能

MD 转 Word

将 markdown 粘贴到文本框，转换速度相对慢很多

但是效果看起来还是不错的

参考文档

murtaza-nasir/pdf3md: A modern, user-friendly web application that converts PDF documents to clean, formatted Markdown text.
地址：https://github.com/murtaza-nasir/pdf3md