أداة بنقرة واحدة تنظف، وتجري OCR، وتستخرج النص والبيانات الوصفية، وتصدر ملف PDF الخاص بك كـ Markdown أو JSON جاهز لـ LLM — إدخال مثالي لـ GPT، Claude، Gemini، فهارس المتجهات وأي خط أنابيب لتوليد معزز بالاسترجاع.
انقر لاختيار ملف أو اسحب وأفلت
ملف PDF واحد أو أكثر
ملفاتك لا تغادر جهازك أبدًا.
تنسيق الإخراج:
سيتم استخراج كل ملف PDF كملف JSON يحتوي على مصفوفة من كائنات مستندات LlamaIndex مع:
text -
محتوى النص المستخرج لكل صفحة
metadata -
رقم الصفحة، العناوين، ومعلومات المستند
extra_info -
سياق إضافي لأنظمة RAG
جارٍ المعالجة...
اسحب ملف PDF واحدًا إلى منطقة التحميل أو اختره من جهازك. تتم معالجة الملف محليًا في متصفحك — لا يتم رفع أي شيء.
يقوم ZentoPDF بتشغيل OCR إذا كان ملف PDF ممسوحًا ضوئيًا، ويزيل الرؤوس/التذييلات والعلامات المائية، ويوحد المسافات البيضاء، ويعيد بناء المستند إلى Markdown نظيف بالإضافة إلى ملف JSON جانبي منظم مع بيانات وصفية للكتل.
احصل على Markdown للتحفيز المباشر و JSON لفهرسة RAG. تحمل كل كتلة رقم صفحتها، ومسار عنوانها، وعدد الرموز التقريبي — جاهزة للتغذية مباشرة في خط أنابيب LLM الخاص بك.
جعل ملف PDF قابلاً للبحث والنسخ.
استخراج النص من ملفات PDF وحفظه كنص عادي (.txt). يدعم ملفات متعددة.
تحويل نص وجداول PDF إلى تنسيق Markdown.
قم باستخراج الجداول من ملفات PDF وتصديرها بتنسيق CSV أو JSON أو Markdown.
قم بتقليل حجم ملف مستندات PDF الخاصة بك مع الحفاظ على أفضل جودة ممكنة.
ملفات PDF الخام هي مدخلات سيئة لـ LLMs: فهي تحتوي على خطوط على مستوى البايت، وأعمدة خارج ترتيب القراءة، ورؤوس/تذييلات متكررة في كل صفحة، وصفحات ممسوحة ضوئيًا بدون نص حقيقي، ولا حدود للكتل. تحضير ملف PDF يحوله إلى نص نظيف ومنظم + بيانات وصفية يمكن لنموذجك قراءتها بالفعل ويمكن لفهرس المتجهات الخاص بك تخزينها بشكل معقول.
اثنان: ملف Markdown (.md) مع عناوين وفقرات وقوائم مناسبة، مثالي لمطالبات LLM المباشرة؛ وملف JSON جانبي مع إدخال واحد لكل كتلة (نص، صفحة، مسار عنوان، عدد الرموز التقريبي) — مثالي للتضمين المتجه والتوليد المعزز بالاسترجاع.
نعم. إذا كانت الصفحة لا تحتوي على نص قابل للتحديد، يقوم ZentoPDF بتشغيل Tesseract.js OCR في متصفحك للتعرف عليه قبل الاستخراج. يتم أيضًا تضمين طبقة OCR في Markdown بحيث يرى الذكاء الاصطناعي الخاص بك كلمات حقيقية بدلاً من صفحة فارغة.
لا. يعمل خط الأنابيب بالكامل في متصفحك باستخدام PDF.js و Tesseract.js ومعالجات النصوص الخاصة بنا. لا يغادر ملف PDF الخاص بك والملفات الجاهزة للذكاء الاصطناعي التي تم إنشاؤها جهازك أبدًا، مما يجعل الأداة آمنة للأبحاث الخاصة والوثائق القانونية والداخلية.
نعم — Markdown هو التنسيق العالمي الصديق لـ LLM. يمكنك لصقه مباشرة في أي واجهة مستخدم للدردشة، أو بث JSON المجزأ إلى LangChain، LlamaIndex، LiteLLM أو خط أنابيب RAG الخاص بك دون أي خطوة تطبيع إضافية.