PDFとWordからMarkdownへの変換ツール

どれを使えばよいか

迷ったときは、PDFをMarkdownに変換するツールを選んでください。これが一般的な用途で、出力される標準のGFMはどこでもそのまま使えます。ほかのページが分かれているのは、変換そのものではなく、結果の扱い方が行き先によって変わるからです。

Obsidian向けのページは、結果をノート保管庫に取り込む場合です。ファイル名がノート名になり、見出しの階層がアウトラインペインを決め、リンクを持たないノートはグラフビューから見えません。そうした取り込みの作法を扱います。

Notion向けのページは、Notionのページに取り込むか貼り付ける場合です。NotionはMarkdownの取り込みに対応していますが、GitHubより扱えるブロックの種類が狭いため、何が残るかを先に知っておくと手戻りが減ります。

ChatGPT向けとClaude向けのページは、変換したテキストをそのままモデルに読ませる場合です。どちらも主題は同じで、トークンを無駄にしないことと、表と見出しの階層を崩さずに渡すことです。

表そのものが変換の理由であれば、表のページを見てください。PDFから表を取り出す作業には固有の失敗があります。結合セル、折り返した文字、揃わない列。そのページはそれらの見つけ方と直し方を扱います。

手元のファイルがPDFではなく.docxなら、Wordの変換ツールを選んでください。ここで唯一、元がPDFではないページです。変換はより忠実で、Wordは見出しやリストの階層、表のセルを自ら保存しているため、レイアウトから推測する必要がありません。

スキャンPDFの変換ツールは、通常の変換器が何も返さなかったときにだけ使ってください。それこそがスキャンの証拠で、読み取れる選択可能な文字が文書にないということです。

共通していること

どのページの背後にも変換エンジンは一つだけです。ブラウザ内のWeb WorkerでPDF.jsがPDFを読み、文字の配置を測って構造を推定します。本文より大きい文字は見出しに、近接する行は段落に、同じ列位置に揃う行は表になります。

Wordの経路は入口が違うだけで同じエンジンです。.docxはブラウザ内で展開してそのまま読み取り、スタイル名が見出しを、番号定義がリストを与えます。そこから先は同じMarkdown生成器を通るので、同じ文書を二通りの形式で保存しても結果は一致します。

すべて無料で、アカウントは不要、50MBまでのファイルに対応します。太字、斜体、インラインコード、埋め込みリンクは保持されます。画像は抽出されず、数式はLaTeXに変換されません。

送信する一つと、それを分けている理由

スキャンしたページは写真です。文字がまったく含まれないため、解析器がどれほど優れていてもブラウザ内で読むことはできません。認識には文字認識が必要で、ブラウザのタブが持つよりはるかに多くの計算量を要します。

だからスキャンPDFは、ほかのページのチェックボックスではなく専用の変換ツールを持っています。この分離があるからこそ、このサイトのほかのすべてのページが、あなたのファイルは端末を離れないと留保なしに言えます。もしどれか一つでも送信しうるなら、その一文はすべてのページで留保付きになってしまいます。

実際に使うときは先に尋ねます。何ページ送信され、どこへ行き、どれだけ保持されるかをダイアログが示し、確認するまで何も送信されません。ファイルは処理の間だけメモリに置かれ、終了時に破棄されます。