在你的浏览器里跑完。不上传、不注册、不限次数，单个文件最多 1,000 页。
PDF 固定的是版面。每一页都是一堆带坐标的字形：文件记录的是「某个字符在某个位置、某个字号」，而不是「这是标题」「这是表格单元格」「这是列表的第三项」。这对打印来说恰到好处，也正是从 PDF 里复制文字会得到一团浆糊的原因。
Markdown 记录的正好相反。它承载结构，几乎不承载版面——标题就是标题，表格就是表格——而且它是纯文本，可以编辑、可以 diff、可以进版本库，也可以直接喂给语言模型，中间不需要任何东西。它的文件以 .md 结尾，所以同一件事有两个叫法：PDF 转 MD 和 PDF 转 Markdown 说的是一回事。
转换器的工作，是把 PDF 只是「暗示」出来的结构还原回来：读字号推标题层级，读横向位置推分栏，读对齐关系推表格行，然后把这些一并写成 Markdown。
三步，不用注册，文件不出这个标签页。
拖到页面顶部那个框里，或者点一下自己选。鼠标一挪到框上引擎就开始下载了，等你松手时它已经就位。
转换器是一段 WebAssembly，跑在你自己机器的后台线程上。没有上传这一步，所以不用排队、没有每日额度，也不需要为文件大小讨价还价。
结果默认是渲染视图，标题层级和表格有没有活下来你自己看得见。切到原文标签拿 Markdown 本身，然后复制，或者存成 .md 文件。
对着十二份样本实测出来的，不是断言。有两行带警告，因为测量结果配得上这个警告。
| PDF 里的 | Markdown 里的 | pdf2md 保留了什么？ |
|---|---|---|
| 标题 | # · ## · ### | 保留层级是从文档里的字号重新推出来的，所以六级大纲还是六级大纲，不会塌成一级。 |
| 段落 | 普通文本 | 保留被版面切断的行会重新拼回它原本所属的那一段，中文字符之间的伪空格一并剔除。 |
| 链接 | [文字](地址) | 保留整套样本里 68 个链接，60 个是完整的 http(s) 地址，没有一个是死锚点。 |
| 表格 | | a | b | | 基本保留行和列出得来。密集财报排版里有些单元格会落错列——转换器会测量这一点，空格率超过 25% 时主动提醒你。 |
| 列表 | - 条目 · 1. 条目 | 基本保留真列表能转。但财报表格里表示「无」的短横线可能被当成项目符号；最糟的样本上这占 12.5%。 |
| 图片 | — | 丢弃不保留。文字和结构会转过来，图片则是直接丢掉——而不是留下一堆指向不存在文件的引用。 |
前两份用的是中国信通院《数据要素白皮书》，第三份是论文 Attention Is All You Need——两份都能公开下载，你可以自己复核。左边是别家转出来的，右边是这里今天转出来的。
版权声明那一句在原文里就是一段。pdf2md.net 把它按 PDF 的换行切成四截，「受法律保」和「护。」被从词中间劈开。
本白皮书版权属于中国信息通信研究院，并受法律保 护。转载、摘编或利用其它方式使用本白皮书文字或者观 点的，应注明“来源：中国信息通信研究院”。违反上述 声明者，本院将追究其相关法律责任。
1,070 个非空行，平均每段 28.9 字
本白皮书版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明"来源：中国信息通信研究院" 。违反上述声明者，本院将追究其相关法律责任。
170 个非空行，平均每段 221.1 字，伪空格 0 处
PDF.ai 把这份 53 页白皮书里的 1,584 行标成了二级标题，一级标题一个都没有——正文被逐行切成标题，目录彻底失效。
## 更好发挥数据要素作用的意见》（下称 “数据二十条”），这是我国 ## 首部从生产要素高度系统部署数据要素价值释放的国家级专项政策 ## 文件 。“数据二十条”确立了数据基础制度体系的“四梁八柱 ”，在 ## 数据要素发展进程中具有重大意义。
1,584 个二级标题，零个一级标题
# 数据要素白皮书 ## 前言 ## 目录 ## 一、数据要素再认识 ## （一）国家战略全方位布局数据要素发展 ## 二、资源：分类推进数据要素探索已成为共识
29 个标题，是一份能用的目录
论文里的 Table 1 有四列四行。pdf2md.net 把它压成一行流水账——整份文件里一个表格都没有。
Layer Type Complexity per Layer Sequential Maximum Path Length Operations Self-Attention O(n 2 · d) O(1) O(1) Recurrent O(n · d 2 ) O(n) O(n) Convolutional O(k · n · d 2 ) O(1) O(logk(n)) Self-Attention (restricted) O(r · n · d) O(1) O(n/r)
整份文件 0 行表格
| Layer Type | Complexity per Layer | Sequential Operations | Maximum Path Length | |---|---|---|---| | Self-Attention | O(n2 · d) | O(1) | O(1) | | Recurrent | O(n · d2 ) | O(n) | O(n) | | Convolutional | O(k · n · d ) | O(1) | O(logk(n)) |
10 张表、103 行；293 页中文年报上是 2,469 行
竞品输出抓取于 2026 年 8 月。下载下来，数字你自己数一遍。
模型拿到 PDF 原始文字时，每张表都是一行流水账数字，它会按错误的列作答。Markdown 让行还是行；标题层级又天然就是切块边界，切出来的每一块都记得自己属于哪一节。
挂在库里或页面里的 PDF 是个黑盒：跟其它笔记一起搜不到，同事还得先下载才能读。两边都直接支持导入 Markdown——标题变标题，表格变表格。
仓库里的 PDF 是个不透明的二进制块，每改一版就是一个新文件，评审的人看不出改了什么。Markdown 可以逐行 diff，像任何其它文件一样在 PR 里评审。
PDF 编辑器为了改一个段落能跟你较劲半天，重排文字本来就不是这个格式该干的事。转一次，然后用任何一个你已经打开着的编辑器改。
下面每一条都是它不会替你做的事。写在这里，是为了让你现在就知道，而不是转到一半才发现。
扫描件
整页是照片，没有文字层可读。会识别并告知，而不是丢给你一个空文件。
OCR
没有。从图片里认字和读文字层是两件事。
密码保护的文件
能识别并告知，但打不开。请先在 PDF 阅读器里解锁。
公式
不识别。数学记号会按 PDF 里恰好存着的字符出来。
图片
丢弃，不提取。你拿到的是文字和它的结构。
页数
单个文件最多 1,000 页。更长的文档会转前 1,000 页，并明确告知。
文件大小
不限。超过 50 MB 会提示可能要等几秒。
多栏排版
正文阅读顺序是对的。跨栏的宽表和图注可能落错位置。
复杂表格
行和列活得下来，密集财报排版里的单元格位置不一定。
批量转换
一次一个文件。没有队列，也没有什么要排队的。