PDF转Markdown技术方案对比

西西PDF转换

将PDF转换为Markdown格式是技术文档写作、静态网站生成（如Hugo、VuePress）中的常见需求。本文基于30页技术文档PDF（含代码块、表格、多级标题），对比三类实现方案。

测试文件：30页PDF，含Python代码块5个（带语法高亮）、JSON示例3个、Markdown表格4个、H1-H4标题。

一、开源自建（pandoc + pdftotext）

# 安装 sudo apt-get install pandoc poppler-utils # PDF转Markdown（需先转TXT或HTML） pdftotext -layout input.pdf temp.txt pandoc temp.txt -o output.md

• 耗时：约10秒（本地）

• 优点：免费，无限制，支持批量

• 缺点：代码块语言标注丢失，表格转为空格对齐（非标准MD表格），标题层级识别有限

也可使用pdf2md库，但效果类似。

二、商业API（腾讯云文档服务）

• 支持PDF转Markdown、表格/代码块保留

• 计费：约0.1元/页

• 适用：企业级文档系统、静态网站内容迁移

三、在线工具实测

工具30页耗时代码块保留表格转换免费限制水印西西PDF转换(小程序)12秒围栏式+语言标注标准MD语法无限制无Convertio5分钟纯文本（无标注）散列文本24分钟/日无CloudConvert上传慢行内代码错位25分钟/日，需注册无PDF Candy不支持——3次/时,20MB有水印

关键点：海外工具免费版对代码块和表格支持较差；国内小程序（如西西PDF转换）输出标准Markdown，保留代码语言标注和表格语法，完全免费。

四、选型建议

• 个人日常、技术文档转换：国内小程序（如西西PDF转换），12秒完成，完全免费

• 批量自动化：自建pandoc脚本，可定制但效果一般

• 企业高精度：商业API

根据需求选择即可。

本文为技术测评，数据基于实测。