OCR сканированного PDF в Markdown

Преобразует сканированные или графические PDF в Markdown, предпочитая hybrid OCR и корректно деградируя при его недоступности

После загрузки сканированного PDF инструмент сначала попытается использовать OpenDataLoader hybrid OCR и экспортировать Markdown; если hybrid backend недоступен, он автоматически перейдет к стандартному извлечению и явно укажет причину в metadata.

Примеры результатов

1 Примеры

Преобразовать OCR-PDF в Markdown

Реальный sample выдает пригодный к повторному использованию Markdown и использует локальный путь для стабильного воспроизведения.

scanned-pdf-ocr-to-markdown-example1.md Показать файл
Показать параметры ввода
{ "pdfFile": "/public/samples/pdf/pdf-ocr-text-layer-example1.pdf", "pages": "", "keepLineBreaks": true, "includePageSeparators": true, "hybridBackendUrl": "", "preferHybridOcr": false }

Click to upload file or drag and drop file here

Maximum file size: 10MB Supported formats: application/pdf

Ключевые факты

Категория
ИИ и генераторы
Типы входных данных
file, text, checkbox
Тип результата
file
Покрытие примерами
4
API доступен
Yes

Обзор

Этот инструмент преобразует сканированные PDF-документы и файлы с преобладанием графики в структурированный формат Markdown с использованием технологии гибридного OCR. Он автоматически распознает текст на изображениях и сохраняет разметку, обеспечивая корректную работу даже при отсутствии специализированного бэкенда за счет системы автоматического отката к стандартному извлечению.

Когда использовать

  • •При необходимости извлечь редактируемый текст из отсканированных бумажных документов или книг.
  • •Для конвертации PDF-файлов, состоящих исключительно из изображений, в формат Markdown для баз знаний.
  • •Когда нужно подготовить текстовые данные из архивных PDF-документов для последующей обработки в LLM.

Как это работает

  • •Загрузите сканированный PDF-файл и при необходимости укажите конкретные номера страниц для обработки.
  • •Инструмент применяет гибридное OCR (OpenDataLoader) для распознавания текстовых слоев непосредственно с изображений страниц.
  • •Система форматирует извлеченный контент в Markdown, сохраняя переносы строк и добавляя разделители страниц согласно настройкам.
  • •В случае недоступности гибридного бэкенда инструмент выполняет стандартное извлечение и фиксирует причину в метаданных.

Сценарии использования

Оцифровка печатных отчетов и технических руководств для импорта в Notion или Obsidian.
Преобразование сканированных юридических договоров в текстовый формат для быстрого поиска и анализа.
Подготовка контента из старых PDF-архивов для обучения нейросетей и создания поисковых индексов.

Примеры

1. Оцифровка архивного отчета

Аналитик
Контекст
Аналитику необходимо извлечь данные из отсканированного годового отчета, который представлен в виде набора изображений внутри PDF.
Проблема
Текст в документе не выделяется и не копируется стандартными средствами.
Как использовать
Загрузите PDF, выберите опцию «Предпочитать hybrid OCR» и установите флажок «Добавлять разделители страниц».
Пример конфигурации
{"preferHybridOcr": true, "includePageSeparators": true}
Результат
Получен Markdown-файл с полным текстом отчета, где каждая страница оригинала четко отделена.

2. Конвертация учебных материалов

Преподаватель
Контекст
Преподаватель подготовил скан главы учебника и хочет создать на его основе текстовый конспект.
Проблема
Ручной перебор текста со скана занимает слишком много времени, а структура страниц должна быть сохранена.
Как использовать
Загрузите файл, укажите диапазон страниц «10-25» и включите сохранение переносов строк.
Пример конфигурации
{"pages": "10-25", "keepLineBreaks": true, "includePageSeparators": true}
Результат
Текст из выбранных страниц учебника преобразован в Markdown с сохранением исходного форматирования строк.

Проверить на примерах

markdown, pdf, image
PDF Примеры
PDF примеры, созданные инструментами 2026-02-01..2026-02-10
title token pdf
pdf
Примеры Markdown Презентаций
Markdown колоды в стиле Remark/Marp для тестирования экспорта в PDF
title token markdown
pdf
Примеры Извлечения Ссылок Markdown
Примеры документов Markdown с различными типами ссылок для тестирования инструмента извлечения ссылок Markdown
title token markdown
markdown, image
Примеры Markdown
Примеры формата Markdown от простых до сложных структур документов
title token markdown
markdown

Связанные хабы

Инструменты экспорта, OCR и конвертации Markdown
Сравните инструменты Markdown в PDF, PDF в Markdown, OCR, экспорта слайдов и структурной конвертации Markdown в одном хабе для публикации документации.
Инструменты конвертации форматов изображений и анимированного экспорта
Сравните конвертеры JPG, PNG, GIF, AVIF, WebP, TIFF, ICO, base64 и инструменты экспорта анимированных изображений в одном хабе.
Инструменты PDF-конвертации и документного экспорта
Сравните инструменты, которые переводят документы, изображения и структурированные извлечения в PDF и из PDF, в одном хабе.
Инструменты для очистки, оформления и пакетной подготовки изображений
Соберите в одном хабе инструменты для очистки изображений, обрезки, добавления полей и рамок, пакетного изменения размера и сжатия, водяных знаков и финальной визуальной подготовки.

FAQ

Как обработать только определенные страницы PDF?

Введите нужные номера или диапазоны в поле «Страницы», например: 1, 3, 5-10.

Что делать, если гибридный OCR не срабатывает?

Инструмент автоматически переключится на стандартный метод извлечения и уведомит об этом в метаданных.

Можно ли сохранить оригинальные переносы строк?

Да, для этого активируйте опцию «Сохранять переносы строк» в настройках перед запуском.

Поддерживает ли инструмент многостраничные документы?

Да, вы можете загружать многостраничные PDF и разделять их в итоговом Markdown-файле с помощью специальных маркеров.

Нужно ли указывать URL гибридного бэкенда?

Это поле необязательно и используется только при наличии собственного развернутого сервера OpenDataLoader.

Документация API

Конечная точка запроса

POST /ru/api/tools/scanned-pdf-ocr-to-markdown

Параметры запроса

Имя параметра Тип Обязательно Описание
pdfFile file (Требуется загрузка) Да -
pages text Нет -
keepLineBreaks checkbox Нет -
includePageSeparators checkbox Нет -
hybridBackendUrl text Нет -
preferHybridOcr checkbox Нет -

Параметры типа файл должны быть загружены сначала через POST /upload/scanned-pdf-ocr-to-markdown для получения filePath, затем filePath должен быть передан в соответствующее поле файла.

Формат ответа

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Файл: Файл

Документация MCP

Добавьте этот инструмент к конфигурации сервера MCP: 

{
  "mcpServers": {
    "elysiatools-scanned-pdf-ocr-to-markdown": {
      "name": "scanned-pdf-ocr-to-markdown",
      "description": "Преобразует сканированные или графические PDF в Markdown, предпочитая hybrid OCR и корректно деградируя при его недоступности",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=scanned-pdf-ocr-to-markdown",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Вы можете объединять несколько инструментов, например: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, максимум 20 инструментов.

Поддерживает ссылки на файлы URL или кодирование Base64 для параметров файла.

Если вы столкнулись с проблемами, пожалуйста, свяжитесь с нами по адресу [email protected]