Como converter um PDF em Markdown para IA com SimplePDF
Fornecer um PDF a um modelo de linguagem significa normalmente copiar e colar uma parede de texto simples. A estrutura do documento perde-se, o número de tokens dispara e o modelo tem de adivinhar onde termina um título e onde começa uma tabela. Converter primeiro o PDF em Markdown mantém essa estrutura, de modo que o modelo lê um documento limpo em vez de uma cadeia plana.
O SimplePDF extrai o conteúdo de qualquer PDF como Markdown, diretamente no editor. Este guia explica como o fazer e por que razão o Markdown é o formato certo quando quem lê é um LLM.
#Porquê Markdown em vez de texto simples
- Muitas vezes menos tokens. O Markdown transmite a estrutura com um punhado de caracteres (
#,-,|) em vez do esquema cheio de espaços que um despejo de texto simples preserva. Menos ruído por página costuma significar menos tokens por pedido, e os tokens são aquilo que paga e aquilo que enche a janela de contexto. A poupança exata depende do documento e do tokenizador. - Estrutura mais clara para o modelo. Os títulos, as listas e as tabelas indicam ao modelo como o documento está organizado. Um modelo que lê
## Total da faturaseguido de uma tabela tem mais com que trabalhar do que um que analisa um bloco de números sem etiqueta, o que tende a ajudar em perguntas que dependem do esquema. - Portátil. O Markdown integra-se diretamente numa pipeline RAG, num prompt, num fragmentador ou numa aplicação de notas sem mais limpeza.
#Extrair um PDF como Markdown
- Abra o seu documento no editor do SimplePDF (arraste um ficheiro ou abra um a partir do seu dispositivo)
- Na barra lateral, abra o menu junto ao botão Download
- Escolha Extrair conteúdo
- Selecione Copy to clipboard para colar o Markdown diretamente no seu modelo, ou Download as file para guardar um ficheiro
.md
A extração inclui os valores que já estão no documento: texto escrito, caixas assinaladas e marcadores de assinatura, de modo que o Markdown reflete o que o PDF realmente diz, e não apenas o seu modelo em branco.
#Tudo corre no seu navegador
A extração acontece localmente, no seu dispositivo. O PDF não é carregado para um servidor, o que importa quando o documento é um contrato, um registo médico ou qualquer coisa que não colaria num conversor de terceiros. Obtém o Markdown sem que o documento saia alguma vez da sua máquina.
#Abrir o ficheiro .md transferido
A transferência é um ficheiro .md com o tipo Markdown correto, pronto para qualquer ferramenta que fale Markdown. No macOS abre no TextEdit; no Windows, o duplo clique pede-lhe para escolher uma aplicação na primeira vez, já que o Windows não tem um gestor predefinido para .md. Escolha o seu editor preferido (VS Code, Notepad, Obsidian) uma vez e o Windows memoriza-o. Se só precisa do texto num prompt, use Copy to clipboard e ignore o ficheiro por completo.
É tudo! O seu PDF é agora Markdown limpo, pronto para ser fornecido a um LLM com menos tokens e melhor estrutura.
Se tiver alguma questão, não hesite em contactar support@simplepdf.com