Een PDF naar Markdown voor AI converteren met SimplePDF
Een PDF aan een taalmodel voeren betekent meestal dat je een muur van ruwe tekst kopieert en plakt. De structuur van het document gaat verloren, het aantal tokens loopt op en het model moet raden waar een kop eindigt en een tabel begint. Door de PDF eerst naar Markdown te converteren blijft die structuur behouden, zodat het model een schoon document leest in plaats van een platte tekenreeks.
SimplePDF extraheert de inhoud van elke PDF als Markdown, rechtstreeks in de editor. Deze gids legt uit hoe je dit doet en waarom Markdown het juiste formaat is wanneer de lezer een LLM is.
#Waarom Markdown in plaats van ruwe tekst
- Vaak minder tokens. Markdown draagt structuur over met een handvol tekens (
#,-,|) in plaats van de spatierijke opmaak die een dump van ruwe tekst bewaart. Minder ruis per pagina betekent meestal minder tokens per verzoek, en tokens zijn waarvoor je betaalt en wat het contextvenster vult. De exacte besparing hangt af van het document en de tokenizer. - Duidelijkere structuur voor het model. Koppen, lijsten en tabellen vertellen het model hoe het document is georganiseerd. Een model dat
## Factuurtotaalgevolgd door een tabel leest, heeft meer om mee te werken dan een model dat een ongelabeld blok cijfers verwerkt, wat vaak helpt bij vragen die van de opmaak afhangen. - Overdraagbaar. Markdown past zonder verdere opschoning direct in een RAG-pijplijn, een prompt, een chunker of een notitie-app.
#Een PDF als Markdown extraheren
- Open je document in de SimplePDF-editor (sleep een bestand erin of open er een vanaf je apparaat)
- Open in de zijbalk het menu naast de knop Download
- Kies Inhoud extraheren
- Kies Copy to clipboard om de Markdown rechtstreeks in je model te plakken, of Download as file om een
.md-bestand op te slaan
De extractie bevat de waarden die al in het document staan: getypte tekst, aangevinkte vakjes en handtekeningmarkeringen, zodat de Markdown weergeeft wat er werkelijk in de PDF staat en niet alleen het lege sjabloon.
#Alles draait in je browser
De extractie gebeurt lokaal, op je apparaat. De PDF wordt niet naar een server geüpload, wat van belang is wanneer het document een contract, een medisch dossier of iets anders is dat je niet in een externe converter zou plakken. Je krijgt de Markdown zonder dat het document ooit je machine verlaat.
#Het gedownloade .md-bestand openen
De download is een .md-bestand met het juiste Markdown-type, klaar voor elke tool die Markdown begrijpt. Op macOS opent het in TextEdit; op Windows word je bij de eerste dubbelklik gevraagd een app te kiezen, omdat Windows geen standaardhandler voor .md heeft. Kies één keer je voorkeurseditor (VS Code, Notepad, Obsidian) en Windows onthoudt het. Als je de tekst alleen in een prompt nodig hebt, gebruik dan Copy to clipboard en sla het bestand helemaal over.
Klaar! Je PDF is nu schone Markdown, klaar om aan een LLM te voeren met minder tokens en een betere structuur.
Heb je vragen, neem dan gerust contact op met support@simplepdf.com