Konverter online gratis PDF ke MD

Markdown berguna ketika konten PDF harus diedit dalam editor kode, disimpan di repositori dokumentasi, atau diproses oleh generator situs statis. Mengonversinya akan mengekstrak teks dan struktur dokumen ke dalam file teks biasa .md yang lebih kecil.

Apa itu format PDF

PDF (Portable Document Format) mempertahankan tata letak halaman, font, gambar, dan pengaturan pencetakan di berbagai sistem operasi. Pengolah kata, aplikasi desktop publishing, pemindai, browser web, dan sistem pelaporan umumnya membuat file PDF, sehingga file tersebut sering ditemukan dalam kontrak, manual, faktur, makalah akademik, dan catatan arsip.

PDF menyimpan konten untuk presentasi visual, bukan untuk pengeditan berurutan sederhana. Teksnya mungkin terbagi menjadi fragmen yang ditempatkan pada posisi tertentu, dan PDF hasil pemindaian mungkin hanya berisi gambar halaman tanpa karakter yang dapat dipilih.

Apa itu format MD

MD adalah ekstensi nama file yang umum digunakan untuk dokumen Markdown. Markdown menggunakan karakter teks biasa seperti # untuk judul, - untuk daftar, dan ** untuk penekanan; pemroses Markdown mengonversi penanda ini menjadi HTML atau format output lainnya.

File MD berfungsi dengan baik dalam editor kode, repositori Git, sistem dokumentasi, generator situs statis, dan aplikasi pencatatan. File tersebut berukuran kecil, dapat dicari, dapat dibandingkan menggunakan diff, dan mudah diedit, tetapi tidak mempertahankan tata letak halaman tetap, tipografi yang persis, atau setiap elemen desain PDF.

Cara mengonversi PDF ke MD

Menggunakan 101convert.com:

1. Buka converter PDF-ke-MD di 101convert.com.
2. Upload file sumber .pdf.
3. Pilih MD atau Markdown sebagai format output, lalu mulai konversi.
4. Download file .md yang dihasilkan dan buka file tersebut dalam editor Markdown untuk memeriksa judul, daftar, tautan, dan pemisah paragraf.

Metode online ini tidak memerlukan software yang diinstal dan tersedia secara gratis.

Menggunakan command-line tools: Untuk PDF berbasis teks, ekstrak karakternya dengan pdftotext dari Poppler:

pdftotext -layout input.pdf extracted.txt

Opsi -layout berupaya mempertahankan kolom dan spasi. Buka extracted.txt, tambahkan penanda judul Markdown, penanda daftar, tautan, dan code fence jika diperlukan, lalu simpan sebagai output.md. Cara ini menghasilkan hasil yang lebih bersih daripada menganggap bahwa pdftotext secara otomatis memahami struktur Markdown.

Untuk konversi otomatis, parser dokumen seperti Pandoc dapat mengonversi format perantara:

pandoc input.docx -t gfm -o output.md

Pandoc umumnya tidak menafsirkan PDF arbitrer sebagai input terstruktur, jadi ekspor PDF terlebih dahulu ke DOCX atau HTML dengan aplikasi desktop yang sesuai, lalu jalankan Pandoc pada file perantara tersebut.

Untuk PDF hasil pemindaian: jalankan OCR sebelum ekstraksi. OCRmyPDF dapat menambahkan lapisan teks yang dapat dicari:

ocrmypdf --deskew input.pdf searchable.pdf

Kemudian ekstrak dari searchable.pdf dengan pdftotext. Dalam aplikasi desktop PDF, gunakan perintah OCR-nya, yang sering ditemukan di bawah Scan & OCR → Recognize Text, sebelum mengekspor atau menyalin konten.

Keterbatasan kualitas dan kompatibilitas

Konversi PDF-ke-Markdown adalah proses ekstraksi, bukan ekspor yang mempertahankan tata letak. Halaman dengan banyak kolom mungkin dibaca dalam urutan yang salah; header, footer, nomor halaman, tabel, catatan kaki, hyperlink, persamaan, dan keterangan gambar mungkin memerlukan koreksi manual.

Gambar biasanya perlu diekstrak secara terpisah dan dirujuk dalam Markdown seperti ![Caption](images/figure-1.png). File Markdown tidak dapat mereproduksi penomoran halaman PDF, elemen yang ditempatkan pada posisi tertentu, font tersemat, atau fidelitas pencetakan.

OCR dapat menimbulkan kesalahan karakter, terutama pada hasil pemindaian beresolusi rendah, font yang tidak umum, notasi matematika, dan konten tulisan tangan. Verifikasi nama, angka, URL, nilai tabel, dan redaksi hukum terhadap PDF asli sebelum menerbitkan atau mengarsipkan file yang telah dikonversi.