一站式PDF转Markdown解决方案PDF3MD

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

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。
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。
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。
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。
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。
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

yaml 复制代码

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

bash 复制代码

# 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