Ein-Klick-Tool, das Ihr PDF bereinigt, OCR durchführt, Text und Metadaten extrahiert und als LLM-bereites Markdown oder JSON exportiert – perfekte Eingabe für GPT, Claude, Gemini, Vektorindizes und jede Retrieval-Augmented Generation Pipeline.
Klicken Sie, um eine Datei auszuwählen oder per Drag & Drop
Eine oder mehrere PDF-Dateien
Ihre Dateien verlassen nie Ihr Gerät.
Ausgabeformat:
Jedes PDF wird als JSON-Datei extrahiert, die ein Array von LlamaIndex-Dokumentobjekten enthält mit:
text -
Extrahierter Textinhalt pro Seite
metadata -
Seitenzahl, Überschriften und Dokumentinformationen
extra_info -
Zusätzlicher Kontext für RAG-Systeme
Verarbeitung...
Ziehen Sie ein einzelnes PDF in den Upload-Bereich oder wählen Sie es von Ihrem Gerät aus. Die Datei wird lokal in Ihrem Browser verarbeitet – es wird nichts hochgeladen.
ZentoPDF führt OCR aus, wenn das PDF gescannt ist, entfernt Kopf-/Fußzeilen und Wasserzeichen, normalisiert Leerzeichen und erstellt das Dokument in sauberem Markdown plus einem strukturierten JSON-Sidecar mit Chunk-Metadaten neu.
Holen Sie sich das Markdown für direktes Prompting und das JSON für die RAG-Indizierung. Jeder Chunk enthält seine Seitenzahl, den Überschriftspfad und die ungefähre Token-Anzahl – bereit, direkt in Ihre LLM-Pipeline eingespeist zu werden.
Machen Sie ein PDF durchsuchbar und kopierbar.
Text aus PDF-Dateien extrahieren und als reinen Text (.txt) speichern. Unterstützt mehrere Dateien.
PDF-Text und -Tabellen in das Markdown-Format konvertieren.
Extrahieren Sie Tabellen aus PDF-Dateien und exportieren Sie sie als CSV, JSON oder Markdown.
Reduzieren Sie die Dateigröße Ihrer PDF-Dokumente und behalten Sie gleichzeitig die bestmögliche Qualität bei.
Rohe PDFs sind schreckliche Eingaben für LLMs: Sie enthalten Schriftarten auf Byte-Ebene, Spalten außerhalb der Lesereihenfolge, auf jeder Seite wiederholte Kopf-/Fußzeilen, gescannte Seiten ohne echten Text und keine Chunk-Grenzen. Die Vorbereitung eines PDF verwandelt es in sauberen, strukturierten Text + Metadaten, die Ihr Modell tatsächlich lesen und Ihr Vektorindex sinnvoll speichern kann.
Zwei: eine Markdown (.md) Datei mit korrekten Überschriften, Absätzen und Listen, ideal für direkte LLM-Prompts; und ein JSON-Sidecar mit einem Eintrag pro Chunk (Text, Seite, Überschriftspfad, ungefähre Token-Anzahl) – perfekt für Vektor-Embedding und Retrieval-Augmented Generation.
Ja. Wenn eine Seite keinen auswählbaren Text enthält, führt ZentoPDF Tesseract.js OCR in Ihrem Browser aus, um ihn vor der Extraktion zu erkennen. Die OCR-Schicht wird auch in das Markdown eingebettet, sodass Ihre KI echte Wörter anstelle einer leeren Seite sieht.
Nein. Die gesamte Pipeline läuft in Ihrem Browser mit PDF.js, Tesseract.js und unseren Textprozessoren. Ihr PDF und die generierten KI-bereiten Dateien verlassen niemals Ihr Gerät, was das Tool sicher für proprietäre Forschung, rechtliche und interne Dokumente macht.
Ja — Markdown ist das universelle LLM-freundliche Format. Sie können es direkt in jede Chat-Benutzeroberfläche einfügen oder das gechunkte JSON ohne weitere Normalisierungsschritte in LangChain, LlamaIndex, LiteLLM oder Ihre eigene RAG-Pipeline streamen.