如何将 PDF 转换为 Markdown：4 种实用方法

当你需要把 PDF 内容导入 Obsidian 等个人知识库、整理后交给大语言模型（LLM）分析，或者希望将不易编辑的 PDF 转成更轻量、便于修改的文本格式时，Markdown（.md）通常是一个合适的选择。不过，不同 PDF 的结构差异很大。有些文件包含可直接提取的文本，有些则是扫描件；有些排版简单，有些还包含多栏内容、公式和复杂表格。因此，转换效果不仅取决于工具，也与 PDF 本身的类型和版式有关。

目前没有一种方法能够稳定处理所有 PDF。选择转换方式时，通常需要考虑文件数量、排版复杂度、是否为扫描文档，以及内容是否涉及隐私。下面整理了 4 种常见的 PDF 转 Markdown 方法，方便你根据实际需求快速选择。

快速选择：哪种 PDF 转 Markdown 方法更适合你？

方法 适用场景 隐私性 主要限制
在线转换工具 临时转换少量且不含敏感信息的 PDF 较低至中等 文件需要上传到第三方服务器
离线桌面应用 私人笔记、合同和内部文档 完全本地运行时较高 对扫描件和复杂排版的处理能力可能有限
Python 库 批量转换或构建自动化处理流程 本地运行时较高 需要一定的编程基础，并配置相关依赖
多模态 AI 扫描件、公式、多栏排版和复杂表格 取决于使用方式 可能产生 API 费用，或需要性能较强的本地 GPU，同时存在识别错误和内容偏差的风险

方法一：使用在线转换工具（操作最方便）

如果只需要转换一两个文件，且 PDF 主要由可复制的普通文本组成，可以直接使用在线 PDF 转 Markdown 工具。无需安装软件或配置运行环境，上传文件后即可完成转换。

常用的在线转换工具

  • CloudConvert： 支持多种文件格式转换，通常可以保留基本的标题层级、段落和项目符号。
  • Md-to.com： 提供 Markdown 与 PDF、Word、HTML 等格式之间的转换，界面简单，适合临时处理少量文件。

在线将 PDF 转换为 Markdown

  1. 打开在线 PDF 转 MD 工具，例如 CloudConvert。

    打开在线 PDF 转 Markdown 工具

  2. 点击 Select File，上传需要转换的 PDF。

  3. 确认输出格式为 MD 或 Markdown。

  4. 点击 Convert 开始转换。处理完成后，点击 Download 下载生成的 Markdown 文件。

⚠️ 注意事项：

  • 注意文件隐私： 在线工具需要将文件上传到第三方服务器，因此不建议用于处理财务报表、法律合同、个人信息或企业内部资料。涉及敏感内容时，应优先选择离线工具。
  • 留意文件限制： 部分网站会限制文件大小、每日转换次数或同时处理的文件数量。上传大型 PDF 前，建议先查看对应服务的限制说明。

转换结果：
转换完成后，你将获得一个可编辑的 Markdown 文件。对于结构较简单的文本型 PDF，标题、段落和列表通常可以得到保留。
在线 PDF 转换工具生成的 Markdown 文本

方法二：使用离线桌面应用（适合处理敏感文件）

如果 PDF 中包含合同、财务资料、私人笔记或企业内部信息，使用离线工具通常更稳妥。文件可以直接在本地处理，无需上传到第三方服务器，有助于降低敏感信息泄露的风险。

选项 A：MarkItDown GUI

MarkItDown GUI 提供了图形化操作界面，适合不熟悉命令行或不想编写代码的用户。

  1. 打开 GitHub Releases 页面，下载适用于 Windows、Linux 或 macOS 的最新版本。

    从 GitHub 下载 MarkItDown GUI

  2. 解压下载的 ZIP 文件，然后运行 MarkItDown.exe。如果使用 macOS 或 Linux，请打开对应系统的可执行文件。

  3. 在程序窗口中点击 Add Files，选择需要转换的 PDF 文件，然后点击 Convert 生成 .md 文件。

    使用 MarkItDown GUI 将 PDF 转换为 Markdown

⚠️ 转换后得到空白文件？

MarkItDown 主要从 PDF 的文本层中提取内容。如果生成的 Markdown 文件为空，原 PDF 很可能是扫描件，或者页面中只有图片而没有可选中的文字。遇到这种情况，可以使用方法四介绍的 OCR 或多模态 AI 工具进行识别。

选项 B：使用 VS Code 和 MarkItDown 扩展

如果你平时使用 VS Code 编辑 Markdown 或管理项目文件，也可以直接在工作区中完成 PDF 转换，无需切换到其他应用。

  1. 打开 Visual Studio Code。

  2. 按 Ctrl + Shift + X 打开扩展市场；在 macOS 中使用 Cmd + Shift + X。

  3. 搜索 MarkItDown，然后点击 Install 安装扩展。

    用于将 PDF 转换为 Markdown 的 VS Code MarkItDown 扩展

  4. 通过 File > Open Folder 打开工作文件夹，并将需要转换的 PDF 放入该文件夹。

  5. 在左侧资源管理器中右键单击 PDF 文件，然后选择 MarkItDown: Convert File to Markdown。

⚠️ 不要通过双击 PDF 来启动转换。

双击 PDF 只会在编辑器中打开文件，并不会执行 MarkItDown 的转换命令。在某些环境中，还可能显示无法阅读的二进制内容。请通过左侧资源管理器中的右键菜单运行转换。

方法三：使用 Python 库（适合批量转换和自动化）

如果需要处理几十个甚至数百个以文本内容为主的 PDF，逐个上传或手动转换会比较耗时。借助 Python，可以一次读取整个文件夹中的 PDF，并自动生成对应的 Markdown 文件，适合批量整理资料或集成到现有工作流程中。

选项 A：Microsoft MarkItDown

Microsoft MarkItDown 是一款开源工具，适合将结构较简单、包含可提取文本的 PDF 转换为 Markdown。它无需付费，也比较容易集成到 Python 脚本中。

  1. 打开终端，通过 pip 安装 MarkItDown：

    1
    pip install "markitdown[all]"

  2. 新建一个 Python 文件，例如 batch_convert.py，并粘贴以下代码。该脚本会查找当前目录中的所有 PDF，并分别生成同名的 .md 文件：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    import glob
    import os
    from markitdown import MarkItDown

    md = MarkItDown()

    # 获取当前文件夹中的所有 PDF 文件
    pdf_files = glob.glob("*.pdf")

    if not pdf_files:
        print("未找到 PDF 文件。")
    else:
        print(f"准备处理 {len(pdf_files)} 个文件……")

        for pdf_file in pdf_files:
            output_file = os.path.splitext(pdf_file)[0] + ".md"

            try:
                print(f"正在转换：{pdf_file}")
                result = md.convert(pdf_file)

                with open(output_file, "w", encoding="utf-8") as f:
                    f.write(result.text_content)
            except Exception as e:
                print(f"转换 {pdf_file} 时出错：{e}")

    print("处理完成。")

  3. 在 PDF 所在目录中运行脚本。转换完成后，每个 PDF 都会生成一个对应的 Markdown 文件。

提示： MarkItDown 主要提取 PDF 中已有的文本层。如果原文件是扫描件或图片型 PDF，可能无法获得完整内容，此时更适合使用后文介绍的 OCR 或多模态 AI 方法。

选项 B：Spire.PDF for Python

如果需要更灵活地控制转换过程，例如只处理指定页码范围，或单独提取 PDF 中的表格数据，可以使用 Spire.PDF for Python 提供的相关 API。

  1. 在终端中安装 Spire.PDF for Python：

    1
    pip install Spire.PDF

  2. 新建一个 Python 文件，并添加以下代码。该示例会遍历当前目录中的所有 PDF，提取指定页码范围，并将结果保存为 Markdown 文件：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    import glob
    import os
    from spire.pdf.common import *
    from spire.pdf import *

    pdf_files = glob.glob("*.pdf")

    if not pdf_files:
        print("未找到 PDF 文件。")
    else:
        for pdf_file in pdf_files:
            output_file = os.path.splitext(pdf_file)[0] + "_partial.md"
            print(f"正在提取页面：{pdf_file}")

            src_pdf = PdfDocument()
            src_pdf.LoadFromFile(pdf_file)
            extracted_pdf = PdfDocument()

            # 页码索引从 0 开始：1 到 4 表示提取第 2 页至第 5 页
            if src_pdf.Pages.Count > 1:
                extracted_pdf.InsertPageRange(
                    src_pdf,
                    1,
                    min(4, src_pdf.Pages.Count - 1)
                )
                extracted_pdf.SaveToFile(output_file, FileFormat.Markdown)
            else:
                print(f"已跳过 {pdf_file}：文件少于 2 页。")

            src_pdf.Close()
            extracted_pdf.Close()

    print("批量处理完成。")

该示例中的页码索引从 0 开始。1 表示第 2 页，4 表示第 5 页；如果 PDF 不足 5 页，代码会自动提取到最后一页。

⚠️ 开发者提示：

Spire.PDF 评估版可能存在页面处理限制，并在部分输出文件中添加水印。如果需要完整测试相关功能，可以申请免费临时许可证。

方法四：使用多模态 AI（适合扫描件和复杂版式）

扫描 PDF、多栏论文、数学公式和复杂表格往往不只是“提取文字”这么简单。传统工具即使能够识别页面中的文本，也可能打乱阅读顺序，丢失公式结构，或无法正确还原表格关系。

多模态 AI 可以结合页面图像和文字内容理解版面结构，再将识别结果整理为 Markdown。对于没有文本层的扫描件，或者排版较复杂的 PDF，这类方法通常更有优势，但输出结果仍需要人工检查。

选项 A：Microsoft MarkItDown 与多模态大模型（云端 API）

Microsoft MarkItDown 可以配合 OCR 插件和支持视觉理解的大语言模型处理扫描文档。例如，连接 OpenAI 的视觉模型后，可以将 PDF 页面作为图像进行分析，并尝试还原标题、段落、列表和其他版面结构。

  1. 安装 MarkItDown、OCR 插件和 OpenAI SDK：

    1
    pip install "markitdown[all]" markitdown-ocr openai

  2. 运行以下 Python 脚本：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    from markitdown import MarkItDown
    from openai import OpenAI

    # 初始化 OpenAI 客户端
    client = OpenAI(api_key="your-openai-api-key")

    # 启用插件，并连接支持视觉理解的模型
    md = MarkItDown(
        enable_plugins=True,
        llm_client=client,
        llm_model="gpt-4o",
    )

    # 解析扫描 PDF
    result = md.convert("scanned_report.pdf")

    # 输出转换后的 Markdown 内容
    print(result.text_content)

⚠️ 费用与隐私提示：

使用云端模型时，文档内容可能需要发送到第三方服务器处理。请勿在未确认数据政策和合规要求的情况下上传合同、财务资料、个人信息或企业内部文件。

扫描页通常会以图像形式参与模型处理，页数越多、分辨率越高，API 成本也越高。建议先选择 1～2 页具有代表性的内容测试识别效果，再决定是否处理完整文档。

选项 B：使用本地开源 AI 工具

如果文档包含敏感信息，或者需要长期、批量处理大量 PDF，可以考虑在本地部署文档解析工具或视觉模型。这样能够减少文件上传到云端的需求，也更便于控制处理流程和数据存储位置。

常见选择包括：

  • MinerU（Magic-PDF）： 适合处理论文、技术资料等复杂文档，可识别标题、段落、表格和公式，并尽量去除页眉、页脚等重复内容。
  • Marker： 适合教材、多栏文档和包含表格的 PDF，可根据版面分析阅读顺序，并输出 Markdown 文本。
  • 通过 Ollama 运行本地视觉模型： 可以在本地运行支持图像理解的模型，并编写脚本将 PDF 页面转换为图片后逐页识别。

⚠️ 硬件要求：

本地工具的资源需求差异较大。部分文档解析工具可以仅使用 CPU 运行，但处理速度可能较慢；运行体量较大的视觉模型时，通常需要独立显卡。

如果希望获得较为流畅的处理速度，可以准备支持 CUDA 的 NVIDIA GPU。8GB 至 16GB 显存适合部分中小型模型和常规文档，但具体需求仍取决于模型大小、页面分辨率、并发数量和所启用的功能。

提示： 多模态 AI 可能误识别文字、公式或表格内容。转换完成后，建议重点检查数字、标题层级、公式、表格单元格关系和段落顺序，再将结果用于知识库、检索系统或大语言模型。

PDF 转 Markdown 常见问题及解决方法

1. 多栏内容顺序错乱

双栏或多栏 PDF 在转换时，普通工具可能会按照页面横向顺序读取文本，导致不同栏目的内容混在一起，段落顺序也随之错乱。

遇到这种情况，可以改用支持版面分析的工具，例如多模态 AI 或专门的文档解析程序，让系统先识别各栏的位置和阅读顺序，再生成 Markdown。

2. 图片或图表丢失

Markdown 通常通过文件路径引用图片，而不是像 PDF 一样将所有内容固定在页面中。如果转换后的图片无法显示，请先检查图片文件是否已成功导出，以及 Markdown 中的相对路径是否正确。

有些转换工具只提取文字，不会保留图片和图表。此时需要单独导出相关图片，并使用以下格式重新插入：

1
![图片说明](images/example.png)

3. 出现乱码、异常符号或空白方框

部分 PDF 使用了嵌入字体、自定义编码或较特殊的字符映射，转换后可能出现乱码、缺字或方框。

可以先尝试更换 PDF 解析工具。如果问题仍然存在，可以将页面按扫描件处理，使用 OCR 或视觉 AI 重新识别文字。对于数字、公式和特殊符号，转换后应进行人工核对。

4. 文件过大，无法上传或转换

在线工具通常会限制单个文件的大小、页数或每日转换次数。具体限制可能随平台调整，因此上传前应查看当前服务说明。

如果文件超出限制，可以先拆分 PDF 文件，再分批转换。对于包含敏感信息或需要批量处理的大型文件，更适合使用本地桌面工具或 Python 脚本。

常见问题解答

Q1：将 PDF 转换为 Markdown 后，超链接和目录会保留吗？

A1：普通网页链接通常可以转换为 Markdown 的 [链接文字](URL) 格式，但具体效果取决于转换工具。PDF 目录中跳转到指定页面的内部链接往往无法完整保留，通常需要根据 Markdown 标题重新生成目录或手动修复链接。

Q2：为什么 PDF 转换为 Markdown 后是空白文件？

A2：原 PDF 很可能是扫描件或图片型文档，没有可供普通转换工具提取的文本层。此时需要使用 OCR 或多模态 AI 识别页面中的文字和版面结构。

Q3：在线 PDF 转 Markdown 工具安全吗？

A3：在线工具需要将文件上传到第三方服务器，因此更适合处理公开或不含敏感信息的文档。合同、财务记录、个人数据和企业内部资料，建议使用离线软件或在本地运行转换脚本。

总结

将 PDF 转换为 Markdown 时，最终效果很大程度上取决于原文档的类型。包含清晰文本层、版式简单的 PDF 通常比较容易处理；扫描件、多栏排版、公式和复杂表格则需要 OCR、版面分析或多模态 AI 的辅助。

选择工具时，除了转换质量，还应考虑文件数量、处理成本和数据隐私。无论使用哪种方法，转换完成后都建议检查标题层级、段落顺序、表格、公式、图片链接和关键数字，避免识别错误影响后续编辑或使用。