PDF'inizi temizleyen, OCR yapan, metin ve meta verileri çıkaran ve LLM'ye hazır Markdown veya JSON olarak dışa aktaran tek tıklamalı bir araç — GPT, Claude, Gemini, vektör indeksleri ve herhangi bir geri çağırma artırılmış üretim işlem hattı için mükemmel giriş.
Dosya seçmek için tıklayın veya sürükleyip bırakın
Bir veya daha fazla PDF dosyası
Dosyalarınız cihazınızı asla terk etmez.
Çıktı Formatı:
Her PDF, LlamaIndex Belge nesneleri dizisi içeren bir JSON dosyası olarak çıkarılacaktır:
text -
Sayfa başına çıkarılan metin içeriği
metadata -
Sayfa numarası, başlıklar ve belge bilgileri
extra_info -
RAG sistemleri için ek bağlam
İşleniyor...
Tek bir PDF'i yükleme alanına sürükleyin veya cihazınızdan seçin. Dosya tarayıcınızda yerel olarak işlenir — hiçbir şey yüklenmez.
ZentoPDF, PDF taranmışsa OCR çalıştırır, üstbilgileri/altbilgileri ve filigranları kaldırır, boşlukları normalleştirir ve belgeyi temiz Markdown artı öbek meta verileri içeren yapılandırılmış bir JSON yan dosyası olarak yeniden oluşturur.
Doğrudan istemler için Markdown'ı ve RAG indeksleme için JSON'ı alın. Her öbek, sayfa numarasını, başlık yolunu ve yaklaşık jeton sayısını taşır — LLM işlem hattınıza doğrudan beslenmeye hazırdır.
PDF'yi aranabilir ve kopyalanabilir hale getirin.
PDF dosyalarından metin çıkarın ve düz metin (.txt) olarak kaydedin. Birden çok dosyayı destekler.
PDF metnini ve tablolarını Markdown formatına dönüştürün.
Tabloları PDF dosyalarından çıkarın ve CSV, JSON veya Markdown olarak dışa aktarın.
Mümkün olan en iyi kaliteyi korurken PDF belgelerinizin dosya boyutunu azaltın.
Ham PDF'ler LLM'ler için korkunç girdilerdir: bayt düzeyinde yazı tipleri, okuma sırası dışındaki sütunlar, her sayfada tekrarlanan üstbilgiler/altbilgiler, gerçek metin içermeyen taranmış sayfalar ve öbek sınırları içermezler. Bir PDF'i hazırlamak, onu modelinizin gerçekten okuyabileceği ve vektör indeksinizin mantıklı bir şekilde depolayabileceği temiz, yapılandırılmış metin + meta verilere dönüştürür.
İki tane: doğrudan LLM istemleri için ideal olan, uygun başlıklar, paragraflar ve listeler içeren bir Markdown (.md) dosyası; ve her öbek için bir giriş (metin, sayfa, başlık yolu, yaklaşık jeton sayısı) içeren bir JSON yan dosyası — vektör gömme ve geri çağırma artırılmış üretim için mükemmeldir.
Evet. Bir sayfada seçilebilir metin yoksa, ZentoPDF çıkarmadan önce onu tanımak için tarayıcınızda Tesseract.js OCR çalıştırır. OCR katmanı ayrıca Markdown'a gömülür, böylece yapay zekanız boş bir sayfa yerine gerçek kelimeleri görür.
Hayır. Tüm işlem hattı, PDF.js, Tesseract.js ve metin işlemcilerimizle tarayıcınızda çalışır. PDF'iniz ve oluşturulan yapay zeka hazır dosyalarınız cihazınızdan asla ayrılmaz, bu da aracı tescilli araştırmalar, yasal ve dahili belgeler için güvenli hale getirir.
Evet — Markdown, evrensel LLM dostu formattır. Doğrudan herhangi bir sohbet kullanıcı arayüzüne yapıştırabilir veya öbeklenmiş JSON'ı LangChain, LlamaIndex, LiteLLM veya kendi RAG işlem hattınıza başka bir normalleştirme adımı olmadan aktarabilirsiniz.