stephenturner/pdfdown

# pdfdown 将 PDF 拖入页面，即可获取 Markdown。所有操作均在浏览器本地运行，无需上传，无需服务器。 **立即体验：** https://stephenturner.github.io/pdfdown/ ## 功能特性 - 支持拖拽、点击选择或粘贴 PDF - 或者粘贴一个 PDF 的 URL（托管该 PDF 的服务器必须允许跨域请求） - 可分享的链接：通过 URL 进行转换时，地址栏会显示 `#url=`，打开带有此片段的链接会自动转换 PDF - 分屏视图：左侧为可编辑的 Markdown 源码，右侧为实时渲染的预览 - 复制 Markdown 或下载为 `.md` 文件 - 复制富文本（可带格式粘贴到 Word、Google Docs 和电子邮件中）或下载独立的 `.html` 文件 - 完全客户端运行：您的 PDF 绝不会离开您的本地设备 ## 本地运行 这是一个静态网站。请通过 HTTP 提供该文件夹服务（module scripts 无法通过 `file://` 加载）： ``` python3 -m http.server 8000 # 然后访问 http://localhost:8000 ``` ## 在 GitHub Pages 上托管 该仓库可直接在 Pages 上运行：所有内容均为静态，且所有路径均为相对路径，因此即使从 `/pdfdown/` 这样的项目子路径中也能正常运行。`.nojekyll` 文件会跳过 Jekyll 构建步骤，确保文件按提交时的原样提供服务。在仓库设置中，启用 `main` 分支根目录的 Pages。 ## 工作原理 转换工作由 [@opendocsg/pdf2md](https://github.com/opengovsg/pdf2md) 完成，该工具使用 Mozilla 的 pdf.js（通过 unpdf）来提取文本，并根据字体大小和布局推断结构（标题、列表、代码块）。预览使用 [marked](https://github.com/markedjs/marked) 进行渲染，并使用 [DOMPurify](https://github.com/cure53/DOMPurify) 进行清理。两者均通过 esbuild 打包并捆绑在浏览器的 `vendor/` 目录中： ``` npm install npm run build ``` 这些打包文件已提交至仓库，因此仅在重新构建它们时才需要运行 `npm install`。 ## 限制 扫描件或纯图像 PDF 没有文本层，会生成空的输出（发生这种情况时，页面会发出警告）。要处理此类文件需要使用 OCR，例如以 Tesseract.js 作为后备方案。 ## 许可证 MIT。详情请参阅 [LICENSE](LICENSE)。

标签：pdf.js, PDF转Markdown, 前端工具, 后端开发, 多模态安全, 数据可视化, 文档转换, 纯前端, 静态站点