PDF → Markdown

텍스트의 목표 형식이 왜 Markdown인가

Markdown은 구조를 위한 몇 가지 기호를 얹은 일반 텍스트예요. 제목은 #, 목록은 -, 표는 파이프. 이 단순함이 바로 AI 워크플로와 문서 시스템, 노트 앱의 공용어가 된 이유예요 — 모든 언어 모델이 네이티브로 읽고, 모든 편집기가 플러그인 없이 열고, Git은 줄 단위로 변경을 추적해요.

따라서 PDF를 Markdown으로 변환하는 일은 보기 좋게 만들기가 아니라, 페이지 이미지 형식을 구조화되고 기계가 쓸 수 있는 텍스트로 되돌리는 일이에요. 제목은 위계가 되고, 문단은 깔끔한 산문이 되고, 표는 grep하고 청크하고 임베드할 수 있는 데이터가 돼요.

여기서 추출이 동작하는 방식

변환 파이프라인은 PDF의 텍스트 객체를 추출한 뒤 의미를 다시 세워요. 글자 크기 묶음은 제목 수준이 되고, 불릿 기호는 목록 항목이 되고, 격자처럼 배치된 글자들은 Markdown 표가 돼요. 읽기 순서는 문서 내부 구조가 있으면 그것을 따르고, 없으면 레이아웃 분석으로 대체해요.

이미지는 흐름 속 등장 위치에 표시되어 그림이 원래 어디에 있었는지 알 수 있어요. 출력은 어디서든 열리는 .md 파일 하나 — VS Code, Obsidian, Notion 가져오기, 터미널 — 이고, 검색 증강 생성(RAG) 파이프라인과 프롬프트 컨텍스트에 깔끔하게 들어가요.

텍스트 기반 문서 — 보고서, 명세, 논문, 매뉴얼 — 가 가장 좋은 결과를 얻어요. 전형적인 10페이지 보고서는 몇 초 만에 변환되고 정돈된 몇 KB의 텍스트로 착지해요.

정직한 한계

스캔 PDF는 거의 아무것도 남기지 않아요. 종이의 사진에는 OCR이 돌기 전까지 추출할 텍스트가 없기 때문이에요. LiteConvert는 아직 OCR을 제공하지 않아요. 파일 감지기가 변환을 낭비하기 전에 스캔 입력을 표시하고, 우리는 다르게 보이는 척하지 않아요.

2단 학술 레이아웃이 가장 어려운 케이스예요. 시각적 순서(왼쪽 단, 그다음 오른쪽 단)가 PDF 내부 객체 순서와 어긋날 수 있어서, 빽빽한 논문은 변환 후 가벼운 순서 정리가 필요할 수 있어요. 각주와 여백 노트가 본문 안으로 섞일 수도 있어요 — 보존은 되지만 항상 학술적인 위치에 있지는 않아요.

암호화 PDF는 그냥 거절돼요. 여러분의 리더가 비밀번호를 묻는다면 우리 엔진도 묻을 거예요. 먼저 복호화하고 변환하세요.

변환하는 문서의 프라이버시

여기에는 계약서와 내부 문서가 자주 들어오기 때문에 프라이버시 자세는 엄격해요. 전송은 HTTPS, 처리는 변환 클러스터의 메모리 안, 원본과 .md 모두 24시간 이내 자동 삭제. 계정 불필요, 이메일 수집 없음, 제3자 광고 네트워크 없음 — 그리고 올라온 파일을 판매하거나 공유하는 일은 없어요.