PDFをMarkdownに変換する方法(表・LaTeX数式・2段組対応 / Obsidian・RAG・Word連携)

KomoAI LLC · 更新日 · 初公開 · 3 分で読めます

結論: 研究論文やマニュアルなどの PDF から、LaTeX 数式($...$ / $$...$$)・表(GFM)・2段組の正しい読み順を保った Markdown を作るには、ページ画像から構造を解析する VLM(視覚言語モデル)型パーサーが最適です。KolmoPDF PDF Markdown変換 を使えば、スキャン PDF も含めてそのまま Obsidian・RAG・Word (.docx) へ連携できます。

実物で試す: PDF Markdown変換ツール を開き、テスト論文 original.pdf と実際の出力 original.md を見比べてみてください。


通常のコピー&ペーストや簡易ツールが崩れる理由

PDF は「文字の座標」を描画するフォーマットであり、Word や Markdown のような段落・見出し・数式ツリーを持っていません。そのためテキスト層だけを抜くと、次の 4 点が崩れます。

  1. 2段組の混在: 左カラムの 1 行目と右カラムの 1 行目が横に連結されてしまいます。
  2. 数式の崩壊: 分数・シグマ・上付き/下付き添字がバラバラの文字になります。
  3. 表の崩壊: セル結合やページをまたぐ表が 1 行のテキストに潰れます。
  4. ヘッダー・フッター・脚注の混入: ページ番号や脚注が本文の途中に割り込みます。

実出力サンプル:Attention Is All You Need(4頁・6頁)

Attention Is All You Need 原PDF 4ページ目(式1)

Attention Is All You Need 原PDF 6ページ目(Table 1)

抽出された数式 1:

latexClick to Copy
$$
\text{Attention}(Q, K, V) = \text{softmax}(\frac{QK^T}{\sqrt{d_k}})V
$$

抽出された Table 1:

markdownClick to Copy
| Layer Type | Complexity per Layer | Sequential Operations | Maximum Path Length |
| :--- | :---: | :---: | :---: |
| Self-Attention | $O(n^2 \cdot d)$ | $O(1)$ | $O(1)$ |
| Recurrent | $O(n \cdot d^2)$ | $O(n)$ | $O(n)$ |
| Convolutional | $O(k \cdot n \cdot d^2)$ | $O(1)$ | $O(log_k(n))$ |
| Self-Attention (restricted) | $O(r \cdot n \cdot d)$ | $O(1)$ | $O(n/r)$ |

ステップ別ガイド:PDF → Markdown → Obsidian / RAG / Word

ステップ 1:PDF を Markdown に変換する

  1. PDF Markdown変換 を開き、PDF(最大 300 MB / 800 ページ・スキャン PDF 対応)をアップロードします。
  2. 表の出力形式(編集可能な Markdown 表、または画像表)と数式区切り記号(Obsidian / Notion / GitHub 向けの $ / $$、または \[...\])を選択します。
  3. 日本語へ翻訳しながら Markdown 化したい場合は、翻訳オプションを有効にして日本語を指定できます(1パス処理・3ポイント/ページ)。
  4. 変換完了後、.md ファイル(画像を含む場合は ZIP)をダウンロードします。

ステップ 2:Obsidian や RAG パイプラインへ取り込む

  • Obsidian: .md と画像フォルダをそのまま Vault に配置するだけで、見出し階層・GFM 表・LaTeX 数式が追加プラグインなしで描画されます。
  • RAG / LLM 前処理: 見出しレベル(# / ## / ###)が正確に保たれるため、MarkdownHeaderTextSplitter 等で意味単位のチャンク分割ができ、表の途中切れを防げます。自動化する場合は Python 実装ガイド と PDF 解析 API をご参照ください。

ステップ 3:Markdown を Word(.docx)へ変換する

研究室や取引先への提出で Word ファイルが必要な場合は、出力された .md を MarkdownをWordに変換 へアップロードしてください。見出しは Word の標準スタイル(Heading 1〜6)に、パイプ表は Word の表に、LaTeX 数式は描画された数式に変換されます(詳しくは MarkdownをWordに見出し・数式付きで変換する方法 を参照)。


料金・無料クレジット・プライバシー

  • 料金: PDF Markdown変換は 2ポイント/ページ(翻訳付きは 3ポイント/ページ)。新規登録で 300ポイント、毎日のログインで 50ポイント を無料で獲得できます。
  • セキュリティ: アップロードした PDF や出力結果は AI モデルの学習に一切使用されません(セキュリティページ)。

関連リンク