PDF Para Md

PDF para MD

Converter arquivos PDF em Markdown usando script local e padronizar saida para leitura e edicao.

Fluxo

1. Receber caminho do PDF de entrada.
2. Rodar scripts/pdf_to_md.py para extrair texto por pagina.
3. Aplicar limpeza basica para Markdown legivel.
4. Entregar arquivo .md final e validar resultado.

Como Executar

python "C:/Users/Lucas/.codex/skills/pdf-para-md/scripts/pdf_to_md.py" "C:/caminho/arquivo.pdf"

Opcionalmente definir saida:

python "C:/Users/Lucas/.codex/skills/pdf-para-md/scripts/pdf_to_md.py" "C:/caminho/arquivo.pdf" -o "C:/caminho/saida.md"

Comportamento do Script

• Tenta extracao com PyMuPDF, depois pdfplumber, depois pypdf.
• Inclui marcacao de pagina no Markdown: <!-- page N -->.
• Faz limpeza de quebras de linha e hifenizacao.
• Detecta titulos obvios e converte para ## quando apropriado.

Qualidade e Limites

• PDFs digitalizados por imagem podem exigir OCR externo para melhor resultado.
• Tabelas complexas podem perder estrutura; revisar manualmente depois da conversao.
• Sempre revisar o .md final antes de uso em producao.

Dependencias

Instalar ao menos uma biblioteca de extracao:

pip install pymupdf

Alternativas:

pip install pdfplumber
pip install pypdf