03 / SÅDAN KONVERTERER
Sådan konverterer du en PDF til Markdown
Du uploader én PDF-fil på op til 50 MB og maksimalt 500 sider. Konverteringen starter automatisk, når uploaden er færdig, og du kan følge med i status: Først uploader, derefter queued og til sidst kører med en procentvis fremdrift. Når konverteringen er færdig, downloader du den resulterende .md-fil.
Du behøver ikke justere nogen indstillinger for at komme i gang. Tabeller registreres som standard, og hvis din PDF har et tekstlag, bruges det direkte. Vil du have styr på detaljerne, kan du slå OCR-fallback til eller fra og vælge OCR-sprog (engelsk, tysk og fransk) – men kun hvis nogle sider mangler et tekstlag.
04 / HVAD DER SKER MED
Hvad der sker med din fil
Når du uploader en fil, scannes den for malware, før nogen behandling begynder. En inficeret fil når aldrig frem til konverteringsmotoren. Filtypen bestemmes ved at læse de faktiske bytes – ikke ved at stole på filnavnet. Hvis du omdøber en fil til .pdf, hjælper det ikke; kun ægte PDF-filer accepteres, og andre filer afvises, før der udføres noget arbejde.
Uploadede filer gemmes i et privat objektlager. For anonyme brugere slettes filen efter 1 time; er du logget ind, bevares den i 7 dage.
Efter konverteringen åbnes og fortolkes den producerede Markdown-fil igen, før den tilbydes til download. Hvis noget gik galt undervejs og resulterede i en ødelagt fil, fejler jobbet i stedet for at levere et ubrugeligt resultat.
05 / HVORDAN STRUKTUREN
Hvordan strukturen bevares
Maskinen, der står for udtrækningen, er tekst- og tabel-ekstraktoren. Den identificerer overskrifter, lister, links, kode og tabeller i den rækkefølge, de optræder på siden. Resultatet er deterministisk: samme PDF giver samme Markdown hver gang. Ingen AI-tjeneste er involveret, så der er ingen uforudsigelig semantisk fortolkning.
Tabeller konverteres til Markdown-pipe-tabeller. Tegn, der har særlig betydning i Markdown, escapes, så de overlever som tekst i stedet for at ændre formateringen. Links fra PDF’en genknyttes til de ord, de ligger over, så de bliver rigtige Markdown-links og ikke blot rå tekst.
06 / NÅR OCR-FALLBACK E
Når OCR-fallback er nødvendig
Hvis din PDF består af scannede sider uden et tekstlag, er OCR-fallback som standard slået fra – så kommer der ingen tekst ud af de sider. Vælger du at aktivere OCR-fallback, kører der en genkendelse på de sider, der ikke har noget tekstlag. Du kan vælge mellem sprogene engelsk, tysk og fransk; disse bruges kun, når fallback’en kører.
Når OCR-fallback er slået til og rent faktisk kører, modtager du advarslen OCR_TEXT_LAYER_ADDED. Hvis mindst én side i din PDF ikke havde noget udtrækkeligt tekstlag, får du NO_TEXT_LAYER_FOUND – uanset om OCR var aktiveret eller ej. Vær opmærksom på, at OCR kan introducere fejl i teksten; læs altid resultatet igennem.
07 / NÅR RESULTATET SER
Når resultatet ser forkert ud
Hvis din Markdown-fil ikke ligner det forventede, så tjek først, om du har aktiveret OCR-fallback. Hvis siden var scannet og OCR var slået fra, vil teksten mangle. Tjek også, om der er tale om komplekse layout-elementer som tabeller uden klare rammer; de kan resultere i ufuldkomne pipe-tabeller.
Vær opmærksom på, at konverteringen ikke AI-behandler indholdet. Den flytter kun strukturen over, som den findes, og kan ikke fortolke betydningen af elementerne. Hvis et link i din PDF ikke var implementeret som et rigtigt link fra starten, kan det ikke trylles frem.
FAQ
Ofte stillede spørgsmål
Hvad er den maksimale fil- og sidestørrelse for PDF-konvertering?
Du kan konvertere en enkelt PDF-fil på op til 50 MB og med op til 500 sider. Filer ud over disse grænser afvises, så du skal muligvis dele din PDF op.
Bliver mine PDF-filer opbevaret, efter konverteringen er færdig?
Uploadede filer gemmes i privat objektlager. For brugere, der ikke er logget ind, slettes filen efter 1 time. For logget ind-brugere slettes filen efter 7 dage.
Hvorfor mangler der tekst i min konverterede Markdown?
Hvis din PDF er en scanning uden tekstlag, vil der ikke være tekst at udtrække med mindre du slår OCR-fallback til. Når det er slået til, får du OCR_TEXT_LAYER_ADDED som advarsel, hvis det kørte.
Hvad betyder advarslen NO_TEXT_LAYER_FOUND?
Den betyder, at mindst én side i din PDF ikke havde noget udtrækkeligt tekstlag. Siden kan stadig indeholde tekst som billede; brug OCR-fallback for at udtrække den.
Kan jeg konvertere flere PDF-filer på én gang?
Nej, hver konvertering accepterer præcis én PDF-fil. Skal du konvertere flere, skal du gentage processen for hver fil.
Hvordan håndteres tabeller i konverteringen?
Tabeller registreres som standard og konverteres til Markdown pipe-tabeller. Du kan slå tabelgenkendelse fra via indstillingen detectTables, hvis du har brug for det.
Er der nogen risiko for, at min PDF indeholder skadelig kode?
Alle uploadede filer scannes for malware, før de behandles. En inficeret fil når aldrig frem til konverteringen. Derudover valideres filtypen ved at læse de faktiske bytes.