教學

把卷證轉成文字檔:PDF 轉 Markdown 教學

Markdown 是純文字檔,任何文字編輯器都打得開,可以搜尋,也可以貼到其他工具或交給 AI 工具整理。「PDF 轉 Markdown」把一卷卷證整份轉成一個 .md 檔,掃描頁會先辨識文字。轉出來的樣子可以在輸出前和原頁面並排比對。

這個工具做什麼

「PDF 轉 Markdown」在首頁的「讀卷」那一組。放進來的每一卷 PDF,各轉成一個 .md 文字檔:

  • 有文字層的頁直接取出文字;沒有文字的掃描頁,先用裝置內建的文字辨識讀出文字。
  • 依字的大小判斷標題,表格轉成 Markdown 表格。
  • 每一頁前面可以加一行頁碼註記,之後看文字檔也知道是原卷第幾頁。

整個過程在這台裝置上處理,卷證不會上傳。原本的 PDF 不會被改動,輸出是另存新檔。

第一步:放入卷證

從首頁或側邊欄點「PDF 轉 Markdown」,把 PDF 拖進視窗,或按「選擇檔案…」。這個工具可以一次放好幾卷,每卷各轉成一份 .md。

放入兩卷卷證:混合_文字加掃描.pdf 顯示 10 頁有文字、10 頁掃描已辨識,偵卷.pdf 顯示 5 頁都有文字
▲ 每一卷下面寫著有文字的頁數,掃描頁會在這時辨識。
  • 每一卷放進來後,App 先檢查哪些頁有文字、哪些是掃描頁,掃描頁會在這時辨識文字,完成後顯示「N 頁有文字・N 頁掃描已辨識」。頁數多時要等一下。
  • 不要的那一卷,按右邊的 × 拿掉。有開啟密碼的 PDF,放進來時會問密碼。
  • 列表上的「卷宗簡稱」與「頁碼偏移」是讀卷幾個工具共用的欄位。PDF 轉 Markdown 的檔名用原本的檔名,頁碼註記用 PDF 的頁碼,不受這兩欄影響。
  • 都好了,按右上角的「下一步:預覽」。

放入的幾種方法(拖進來、選擇檔案、從 Finder 打開)在第一次使用那篇有詳細說明。

第二步:對照原頁面預覽

預覽畫面分成三欄:左邊是「原頁面」,中間是「轉出來的 Markdown」,右邊是「轉換設定」。左邊和中間永遠是同一頁。

原頁面

原本的 PDF 頁面

轉出來的 Markdown

同一頁轉出來的 Markdown 文字
▲ 同一頁的原頁面與轉出來的文字。頁碼記在 <!-- page 3 --> 這一行。

上方那一列寫著檔名、總頁數,以及其中幾頁是掃描。右邊的箭頭翻上一頁、下一頁。放了好幾卷時,可以用「換一卷」切換要看哪一卷。

預覽上方:檔名、總頁數、其中幾頁是掃描
▲ 這份 20 頁,其中 10 頁是掃描,已經辨識過文字。

要注意的地方:

  • 掃描頁的辨識結果不一定對,尤其是小字和表格。右欄有一則提醒「掃描頁的小字與表格可能辨識錯,建議多翻幾頁看看。」
  • 某一頁轉不出任何文字時,中間會寫「這一頁沒有轉出任何文字(可能是空白頁,或沒有辨識出文字)。」
  • 預覽只是看樣子,這一步不會產生檔案。看過幾頁沒問題,再按右上角的「下一步:輸出」。

四個轉換設定

右欄的四個選項,改了以後中間的預覽會馬上跟著變,可以邊改邊看。

PDF 轉 Markdown 的四個轉換設定
▲ 預設勾了前三項。
  • 每頁結尾標註頁碼:每一頁的文字前面加一行 <!-- page N -->,N 是原 PDF 的第幾頁。這一行在 Markdown 的閱讀畫面裡看不到,用文字編輯器打開才看得到。要引用頁碼、或交給 AI 工具時要它標出處,建議勾著。
  • 偵測並轉換表格:頁面上有格線的表格,轉成 Markdown 表格。
  • 保留行內格式:保留粗體、斜體。
  • 取出圖片另存:頁面裡的圖片另外存成圖檔,放在 .md 旁邊的 images 資料夾,文字裡留一行圖片連結。預覽不會顯示取出的圖片。

第三步:輸出

輸出步驟的左邊是輸出設定:上一步選的轉換設定摘要,以及「存到」哪個資料夾。轉換設定要回上一步「預覽」改。

輸出設定

輸出設定:轉換設定的摘要與存到哪個資料夾

會產生的檔案

按下去會產生的檔案:混合_文字加掃描.md,20 頁,其中 10 頁是掃描
▲ 右邊先列出按下去會產生的檔案。
  • 預設存到「下載項目 › 審判工具箱」,可以按「選擇…」換位置。每次輸出會在裡面開一個新資料夾,不會蓋掉之前的結果。
  • 右邊「按下去會產生這 N 個檔案」列出每個檔名、頁數與掃描頁數。確認後按右上角的「開始輸出 N 個檔案」。
輸出完成:產生了 1 個檔案,右邊是「交給 AI…」與「在 Finder 顯示」
▲ 完成畫面。Mac 版右上角有「交給 AI…」。

完成畫面列出產生的檔案,每一個都可以按「打開」;「在 Finder 顯示」打開那次輸出的資料夾。要再轉別的卷,按「處理另一份」。

轉出來的檔案長什麼樣子

  • 檔名是原檔名加 .md,例如「偵卷.pdf」轉成「偵卷.md」。
  • 檔案開頭是來源檔名、轉換時間與頁數,接著是每一頁的內容。
  • 勾了頁碼註記時,每一頁前面有 <!-- page N -->。
  • 勾了取出圖片時,另有放圖片的 images 資料夾。

.md 檔可以用 Mac 的「文字編輯」、Windows 的記事本或任何 Markdown 編輯器打開。

在 iPhone・iPad 上

步驟相同。iPhone 的預覽一次只顯示一面,用上方的「原頁面」「Markdown」切換;轉換設定在「轉換設定」按鈕裡,改了一樣會馬上反映在預覽。按鈕在畫面下方,輸出的檔案在「檔案 › 我的 iPhone › 審判工具箱」。細節在iPhone・iPad 版的介紹。

做不到的事/要注意

  • 文字辨識會出錯。掃描品質差的頁面、很小的字、密集的表格和手寫都容易讀錯;直書也認不完整。轉出來的文字要引用時,請對照原卷。
  • 標題是依字的大小判斷,表格是依頁面上的格線判斷,判斷錯時標題層級或表格會不對。
  • 只轉頁面上的文字。註解(便利貼)、表單欄位的內容不會轉出來;圖片裡的文字不會辨識,只能用「取出圖片另存」存成圖檔。
  • 轉出來的文字含卷證裡的個資。要交給別人或 AI 工具之前,可以先用去識別化把姓名、身分證字號等換成代號。

想照章節標題(壹、貳、一、二)切成好幾個 Markdown,用章節切割;要依陳述人把筆錄分開再轉,用供述切割的「同時輸出 Markdown」。整理好的文字要請 AI 工具做時間軸、比對供述,看交給 AI。

常見問題

掃描的卷證也能轉嗎?

可以。沒有文字的掃描頁會先用裝置內建的文字辨識讀出文字,不會上傳。辨識會有錯字,小字、表格和手寫特別容易錯,輸出前請在預覽多翻幾頁。

轉出來的檔案怎麼知道是原卷第幾頁?

勾「每頁結尾標註頁碼」(預設有勾),每一頁的文字前面會有一行 <!-- page N -->,N 是原 PDF 的頁碼。

可以一次轉好幾卷嗎?

可以。一次放好幾卷,每卷各轉成一份 .md,放在同一次輸出的資料夾裡。

← 所有教學