mrmps/pdf2md
Browser based tool to convert PDFs to Markdown
解決する課題
このプロジェクトは、PDF ファイルをサーバーにアップロードすることなく Markdown 形式に変換できる方法を提供し、データのプライバシーとオフラインでの利用を保証します。
仕組み
アプリケーションは完全にブラウザ上で動作します。@opendocsg/pdf2md ライブラリを使用して PDF からテキスト、構造、書式（見出し、リスト、テーブルなど）を抽出し、ユーザーのデバイス上でローカルに Markdown 構文へ変換します。
対象ユーザー
開発者、ライター、そして Markdown を頻繁に使用し、データを安全に保ちつつ PDF 文書を変換したいすべての人。
ハイライト
- プライバシー重視：すべての処理はブラウザ内でローカルに行われ、ファイルはアップロードも保存もされません。
- オフライン対応：一度読み込めばインターネット接続がなくても動作します。
- 構造保持：見出し、リスト、テーブル、基本的な書式をサポート。
- オープンソース：
@opendocsg/pdf2md ライブラリを基盤に構築。
関連
- プロジェクト
magicrew/doc7マルチモーダルビジョンモデルを使用してPDF、Officeファイル、画像をAI対応のMarkdownに変換するドキュメント変換ツール。プライバシー保護とコスト効率を実現するローカル推論をサポート。
- プロジェクト
microsoft/markitdownPDF、Officeドキュメント、画像、音声など、さまざまなファイル形式を Markdown に変換する軽量な Python ユーティリティ。LLM およびテキスト分析パイプラインで簡単に利用できるようにします。
- プロジェクト
- プロジェクト
firecrawl/anydocanydoc は、Node、Python、WebAssembly バインディングを備えた純 Rust ライブラリで、14種類のオフィス文書形式を数ミリ秒で一貫した GitHub フォーマット Markdown に変換します。ドキュメント構造を保持し、スキャンされた PDF 用のオプションのホスト OCR をサポートし、CLI、Agent Skill、言語固有の SDK としてパッケージ化されており、高速かつ均一なテキスト抽出が必要な LLM 向けパイプラインに最適です。
- プロジェクト
AeternaLabsHQ/pullmdPullMD は、Webページ、Reddit/Hacker Newsスレッド、PDF、Officeドキュメント、画像、音声、YouTube動画など、任意の公開URLをクリーンなMarkdownに変換する自己ホスト型サービスです。PWA UI、REST API、MCPストリーミングエンドポイントを提供し、JavaScriptレンダリング、OCR、メディア字幕生成のオプションサイドカーも利用可能です。出力はトークン効率的：コンテンツは本文に、すべてのメタデータ（元URL、タイムスタンプ、OCRモデル、トークン使用量など）はYAMLフロントマターに配置されます。共有可能なライブリンク、SSRF保護、カバレッジガード、設定可能なキャッシュ保持期間、3種類の認証モード（オープン、単一管理者、マルチユーザー）を備えます。1つのDocker Composeファイルでデプロイ可能で、Traefikサポートもオプション。LLMエージェント、RAGパイプライン、プライバシー保護が必要なMarkdown抽出を求めるすべての人々に最適です。