2026 年我真用过的 PDF 转 Markdown 工具

我转 PDF 到 Markdown 大概一年了，频率高的时候一天好几次。主要两个场景：把 API 文档喂给 Claude Code 做网站，和把调研资料整理成笔记写文章。所以搜索结果里能找到的转换工具，我基本都试过一轮。这里写一下我现在到底用哪些，遇到不同情况会推荐什么。

声明：PDF2MD 是我做的，文章里我会直接说它哪里行、哪里不行，没什么好藏的。

我看重什么

一年下来，三件事重要，一件事我不再在意了。

重要的：隐私（合同、未发布的稿子，我不想传到别人服务器上）；批量（我手上很少只有一个文件，通常是二十个）；表格还原（我的源 PDF 大半带表格，大部分工具会把表格毁了）。

不再在意的：花哨的 AI 摘要功能。要总结我直接让 Claude 干，转换器只要给我干净的 Markdown 就够了。

我现在在用的工具

PDF2MD——也就是这个网站。浏览器里跑、不上传、批量打包成 zip。原生 PDF 没问题。没有 OCR 是主要短板。我 80% 的转换都用它，因为路径最短：开个标签页、拖文件、拿结果，三步。

Marker（github.com/datalab-to/marker）——一个 Python 库。复杂排版的输出质量是我见过最强的，学术论文、双栏报告这种，比 PDF2MD 干净。说实话，比我自己做的好。还能处理简单数学公式。代价是配置环境：要装 Python，第一次跑还会下载模型。我电脑上常驻一份，碰到 PDF2MD 啃不动的硬骨头就上 Marker。

MinerU（github.com/opendatalab/MinerU）——和 Marker 类似，也是本地部署。Mac 上 Marker 装起来更顺手，但 MinerU 中文处理更强，对我的中文调研材料很有用。

Pandoc——老牌工具。PDF 输入比较弱，但 Word、HTML 转 Markdown 一秒搞定，质量很稳。我调研材料里非 PDF 的那一半基本交给 Pandoc。

Nanonets PDF to Markdown——服务器端、AI 驱动，有免费额度。输出干净，定位上是给 RAG 流水线用的。我自己不用是因为要上传，但如果你不在意隐私、想要一个稳定的 API，是个合理选择。

不同场景我会推荐什么

如果你的 PDF 是原生导出的（不是扫描版）、想 30 秒搞定，浏览器工具任选一个都行，我自己用 PDF2MD。这个区间内便利度和质量的比值最好。

如果是扫描版（拍照、扫的纸质文件，文字不能选中），需要 OCR，意味着上 Marker、MinerU 或者付费服务。浏览器工具，包括我做的，都帮不上忙。

如果一份 PDF 怪到所有工具都搞不定，我会同时扔给 PDF2MD、Marker、Nanonets 三家，挑输出最不烂的那份用。一年下来这种情况我每周还是会碰到一次。PDF 解析本质上是个不完美的问题，没有谁能在所有文档上赢。

如果你要写脚本、做流水线，别用网页工具。Marker 作为 Python 库是最佳答案，MinerU 是个不错的备选。

几个我交学费学到的事

PDF 里的"表格"不是真表格。它们经常只是一列列文字定位在网格里，没有"这是个单元格"这种结构信息。任何转换器都得猜单元格边界在哪。最常见的翻车情况是单元格里的内容换行了，转换器把第二行当成新一行——本来三行的表格变成六行，每隔一行半空。这事没有完美解，我现在的策略是：转完之后手工修那一行，比换十个工具试要快。

标题也是猜的。PDF 不会标"我是 H2"，转换器靠字体大小和粗细推断。如果你的 PDF 排版不常规，标题层级转出来八成是乱的，得手动调。

页面间的分隔，转完之后看不到，这通常是好事，但偶尔会让两节融在一起读起来很怪。我习惯转完滚动一遍，确认没有相邻段落被错误合并。

之后

工具更新换代很快，我会持续更新这篇。一年前几乎没有 AI 加持的方案值得用，今年已经有两个能上生产了。

碰到 PDF2MD 处理得特别差的文件，发到 [email protected] 给我，我攒着这种"病例 PDF"的文件夹专门用来测改进。

最后更新：2026 年 3 月 4 日