Cách chuyển đổi PDF sang Markdown

PDF là định dạng trình bày, không phải định dạng nguồn — một khi tài liệu đã thành PDF, không còn Markdown, Word hay HTML nào bên dưới nữa, chỉ còn văn bản và ký tự được định vị trên trang. Chuyển ngược lại thành Markdown thực sự khó hơn chiều ngược lại, nhưng đó chính xác là thứ bạn cần khi muốn chỉnh sửa, so sánh (diff) trong git, hoặc xuất bản lại nội dung hiện chỉ tồn tại dưới dạng PDF.

Công cụ PDF sang Markdown của Tool King trích xuất lớp văn bản của PDF và dựng lại theo từng dòng. Để tránh trả về một khối văn bản phẳng không phân biệt, công cụ cũng xem xét cỡ chữ của từng dòng so với phần còn lại của tài liệu — dòng có cỡ chữ lớn hơn rõ rệt so với văn bản thường sẽ được coi là tiêu đề (`#` hoặc `##`), thường là một cách đoán khá tốt về cấu trúc tài liệu gốc.

Đây là suy đoán dựa trên heuristic, không phải đọc cấu trúc thật, nên cần biết trước giới hạn: hoạt động tốt với báo cáo, bài viết và tài liệu nhiều văn bản có phân cấp tiêu đề thông thường. Công cụ sẽ không dựng lại được bố cục nhiều cột hay bảng biểu (những phần đó sẽ trả về dưới dạng dòng văn bản thuần), và không thể trích xuất gì từ PDF dạng scan chỉ chứa hình ảnh, vì không có lớp văn bản nào để đọc.

Nhưng để nhanh chóng lấy nội dung PDF vào thứ gì đó bạn có thể chỉnh sửa trong trình soạn thảo văn bản hoặc commit vào repository, cách này vẫn nhanh hơn nhiều so với gõ lại toàn bộ bằng tay.