Guias para converter PDFs bem
Converter um PDF é fácil. Conseguir um resultado em que dá para confiar exige saber o que o formato registra e o que não registra, onde todo conversor precisa adivinhar, e o que conferir antes de confiar na saída. Estes guias cobrem as perguntas que mais aparecem, e nenhum deles termina em “então use o nosso conversor”.
Por que converter um PDF perde estrutura, e o que fazer a respeito
PDFs guardam glifos posicionados, não estrutura. Entender isso explica todo erro de conversão que você vai encontrar.
8 min de leitura
O Markdown que você recebe, e como limpá-lo
O que o conversor emite, quais recursos do Markdown sobrevivem à viagem e as poucas passadas de limpeza que valem sempre.
7 min de leitura
Importar PDFs para um cofre do Obsidian sem fazer bagunça
Transformar uma pasta de PDFs em notas que o sumário, a busca e o grafo do Obsidian consigam realmente aproveitar.
7 min de leitura
Preparar PDFs para LLMs e pipelines de recuperação
Por que Markdown rende mais que texto cru extraído em pipelines de recuperação, e como fatiá-lo sem destruir o que o faz funcionar.
9 min de leitura
A ideia por trás dos quatro
Um PDF não contém títulos, parágrafos, listas nem tabelas. Contém glifos em coordenadas. A estrutura que produziu o layout serviu para calcular essas posições e depois foi descartada, o que significa que converter um PDF em Markdown não é extração e sim inferência: ler a geometria de volta e deduzir que estrutura a teria produzido.
Todo conversor faz isso, o nosso incluído, e nenhum consegue fazer melhor que inferir — a resposta genuinamente não está no arquivo. Assim que isso fica claro, os erros deixam de parecer arbitrários. Um título que saiu como parágrafo estava marcado pelo peso e não pelo tamanho. Uma tabela que desabou tinha células mescladas. Uma página que se lê como absurdo tinha duas colunas. Cada falha remonta a uma regra, e uma regra que você conhece é uma que dá para contornar.
É para isso que estes guias servem. O primeiro explica a inferência e seus modos de falha por completo. O segundo trata do arquivo que você recebe e das poucas edições que valem antes de guardá-lo. O terceiro e o quarto tratam de dois destinos específicos — um cofre de notas e um pipeline de recuperação — que fazem exigências bem diferentes ao mesmo Markdown.