PDF 转 Markdown
读取 PDF 的文字层，按位置还原段落、按字号补上标题，导出成可以直接用的 Markdown。
选择一份 PDF 后开始提取
使用说明
工具按文字在页面上的位置聚成行：纵向位置接近的片段算同一行，行内按横向位置排序。每页算一次正文字号的中位数，明显更大的行当作标题，稍大的当作小标题。
这种方式适合正文连续的文档，比如报告、论文、说明书。多栏排版、表格和图文混排会有顺序问题，导出后还需要手动调整。需要保留版面时，用PDF 转图片或PDF 提取文本。
扫描件没有文字层，提取结果为空。这种情况需要先做 OCR，再用Markdown 编辑器整理。
常见问题
扫描件为什么提取不出文字？
扫描件是图片，里面没有文字层，只能靠 OCR 识别。本工具不包含 OCR，所以结果是空的。需要先做文字识别，再用这个工具整理格式。
标题识别准吗？
按字号判断：明显大于正文的行当作二级标题，稍大的当作三级标题。版式规整的文档效果不错，多栏排版、表格和艺术字较多的文档可能误判，导出后手动调整一下更稳。
表格和图片会保留吗？
不会。这个工具只处理文字层，表格会变成逐行的文字，图片和矢量图形完全丢失。需要保留版面时，用 PDF 转图片或 PDF 提取文本。
文字顺序乱了怎么办？
多栏排版、页眉页脚和文本框会让阅读顺序错乱。可以尝试先去掉页眉页脚再提取，或者在导出后按段落手动重排。
中文之间为什么有空格？
pdf.js 把每个文字片段单独给出，拼接时按原始间距补空格。工具会把连续空白压成一个，但中英混排处仍可能留下多余空格，导出后可以用文本处理工具清理。
能处理多少页？
文字层提取比渲染图片轻得多，几百页通常也能完成，但浏览器仍要把结果一次性放进文本框。超过一千页建议分批处理。