百度上根据pdf转makrdown为关键字进行搜索,结果大多数是反过来的转换,即markdown文本转PDF格式。
但是PDF转markdown的解决方案很少。
正好我工作上有这个需求,所以自己实现了一个解决方案。
下图是一个用PDF XChange Editor打开的PDF文件,我想将其内容通过markdown格式导出。
(1) 首先将该PDF导出成word格式,后缀.docx
(2) 使用typora获得该word文档的markdown源代码:
此时任务只完成了一半,因为typora这个工具转换成的markdown格式,如果原始的word文档里包含图片,这些图片以本地图片的形式存在于markdown里,那我如果直接将包含了这些本地图片的标签的markdown发布到简书,CSDN,开源中国,腾讯云,阿里云这些支持markdown的社区时,这些本地图片将无法显示。
因此我们必须找到一个高效的方法,将word里包含的本地图片先上传到网络上,再用生成的包含了图片网络url的markdown标签替换本地图片标签。
(3) 把word文件的后缀从.docx改成.zip, 解压后,在文件夹word的子文件夹media里能找到所有的本地文件。
把这些本地文件全部上传到网站,生成下面这些url:
我写了一个工具,可以把仅包含了本地图片标签的markdown源代码和包含了上述在线图片url标签的源代码做一个合并,后并后,本地图片标签会被在线图片标签取代:
这个工具可以从我github上获得:
https://github.com/i042416/KnowlegeRepository/blob/master/practice/255_markdown_tool.html
下图就是我的原始PDF转换成markdown格式后发布在某社区上的效果,和原始PDF外观完全一致:
本文来自云栖社区合作伙伴“汪子熙”,了解相关信息可以关注微信公众号"汪子熙"。