Markdown (.md): o que é e como transformar um PDF nele
O que é Markdown, como um PDF vira um arquivo .md com títulos, listas e tabelas, o que fica de fora e como conferir o texto de um PDF digitalizado.
Markdown é um formato de texto puro em que a formatação é feita com símbolos simples: # marca título, - marca item de lista e ** marca negrito. O arquivo .md pode ser aberto em qualquer editor de texto. Ao converter um PDF para Markdown, o título, a lista e a tabela viram esses símbolos, e as imagens ficam de fora.
O que é o Markdown e por que é texto puro
Markdown foi criado para escrever texto formatado sem precisar de um programa especial. Um arquivo .md é só texto, sem fonte, sem cor e sem posição de página. A formatação aparece quando um programa que entende a marcação renderiza o arquivo: o GitHub, o Obsidian, o Notion e muitos editores de código fazem isso. Num editor simples, você vê os símbolos.
A vantagem é que o conteúdo fica separado da aparência. Um arquivo Markdown guarda a estrutura do texto, como o que é título e o que é lista, e deixa o estilo para quem exibe. Um PDF faz o contrário: guarda a aparência, e a estrutura precisa ser deduzida. Essa diferença explica por que a conversão de PDF para Markdown é uma reconstrução. Para escolher entre Markdown, HTML e texto puro, veja qual formato de saída escolher. O mesmo vale para extrair um PDF em JSON, que o guia PDF para JSON compara com o Markdown.
Por que desenvolvedores e ferramentas de IA preferem
Desenvolvedores usam Markdown para README de projeto, documentação técnica e notas de versão, porque o texto cabe no controle de versão e as mudanças aparecem em diff. Um PDF não mostra o que mudou entre duas versões; um arquivo .md mostra linha por linha.
Modelos de linguagem também leem Markdown com facilidade. Os títulos e as tabelas delimitam as seções, e o texto ocupa bem menos caracteres do que o mesmo conteúdo em PDF, que carrega a posição de cada letra. Quando o objetivo é entregar um documento a uma ferramenta de IA sem o ruído do layout, o Markdown costuma ser a escolha mais limpa.
O que a conversão faz com cada elemento
| Elemento no PDF | Sai no Markdown como | Observação |
|---|---|---|
| Título | Linha que começa com # | Definido pelo tamanho da letra no PDF |
| Lista | Linhas que começam com - | Depende de o PDF deixar o recuo visível |
| Tabela | Linhas com barras verticais | Precisa de espaço entre as colunas |
| Negrito e itálico | ** e * | Mantidos na conversão |
| Link | Texto com o endereço | Mantido como link |
| Imagem | Fora do arquivo | Um .md não carrega imagens |
A tabela resume o que a conversão de PDF para Markdown reconhece. O mais importante é a linha de tabelas: um PDF sem espaço entre as colunas, ou com células mescladas, pode sair com as colunas misturadas. Nesse caso, confira o resultado e ajuste à mão antes de usar.
Os comentários de página
Antes de cada página, a conversão grava um comentário com o número dela, na forma <!-- página 3 -->. Esse comentário não aparece quando o Markdown é exibido, mas serve para duas coisas. Permite citar de que página veio cada trecho, e permite localizar um trecho no PDF original quando o texto parece deslocado.
Se você não quer os comentários, apague-os com uma busca simples no editor. Eles ocupam poucas linhas, e a vantagem de saber a página costuma compensar a limpeza.
PDF escaneado e reconhecimento de texto
Um PDF digitalizado é uma imagem de página, sem texto. Para virar Markdown, as páginas sem texto passam pelo reconhecimento de caracteres, em português e inglês, e o texto reconhecido segue o mesmo caminho dos PDFs com texto. Essa etapa depende da nitidez do scan: uma página torta, escura ou com borrão gera erros.
Na prática, confira com atenção números, valores monetários, datas e nomes próprios. São os pontos em que o reconhecimento mais erra, e um erro num valor é mais grave que um erro numa palavra comum. Se o scan está ruim, refaça a digitalização com mais resolução antes de converter.
Como abrir e usar o arquivo
Um .md abre em qualquer editor de texto, mas só mostra a formatação em um programa que renderiza o Markdown. No GitHub, o arquivo aparece formatado na página do repositório. No Obsidian e no Notion, a formatação aparece ao salvar. No Word e no Google Docs, os símbolos ficam visíveis como texto, e você precisa colar o conteúdo ou importá-lo com uma ferramenta específica. Para levar um PDF ao Notion, veja PDF no Notion: incorporar o arquivo ou importar o texto.
Se a intenção é um documento para ler e imprimir, o Markdown não é a melhor saída. O PDF original continua sendo o formato de leitura, e o Markdown serve para editar, pesquisar e alimentar outro sistema. Para o próprio PDF, o comprimir PDF ajuda quando o original está pesado demais para guardar junto do texto convertido.
Quando o Markdown é o formato certo
Use Markdown quando o texto vai ser editado, versionado ou lido por um programa. Ele é ideal para notas, documentação, anotações de estudo e insumo para ferramentas de IA. Use PDF quando o layout importa e o documento vai ser impresso, assinado ou arquivado como está.
Para comparar com outros formatos de texto, o guia sobre o arquivo HTML explica a página da web, que também é uma marcação, e a conversão de HTML para PDF tem um caminho próprio. O Markdown tem uma lógica parecida: marcação simples que um programa transforma em formatação. Um uso prático é montar um mapa mental a partir de um PDF de aula, como em mapa mental a partir de PDF.
Para converter agora e entregar o texto a um modelo de IA, veja converter PDF em Markdown para IA.
Perguntas frequentes
Como fica um PDF convertido em Markdown com títulos e tabelas?
O título vira uma linha que começa com #, as listas viram linhas com hífen, e as tabelas viram linhas com barras verticais separando as colunas. Negrito, itálico e links são mantidos. Antes de cada página entra um comentário invisível com o número dela, como <!-- página 3 -->.
As imagens do PDF aparecem no arquivo .md?
Não. Um arquivo Markdown é texto, e não carrega imagens dentro dele. A conversão de PDF para Markdown deixa as imagens de fora. Se você precisa das figuras, extraia-as do PDF separadamente, por exemplo com a conversão de PDF para imagem.
Uma página digitalizada, sem texto selecionável, vira Markdown?
Vira, porque as páginas sem texto passam pelo reconhecimento de caracteres em português e inglês antes da conversão. A qualidade depende da nitidez da digitalização. Números e nomes próprios merecem conferência, porque caracteres parecidos, como o zero e a letra O, podem ser trocados.
Dá para abrir um arquivo .md no Word ou no Google Docs?
Dá para abrir, mas os símbolos aparecem como texto puro. O Word não renderiza o Markdown sozinho, então # e ** continuam visíveis. Para ver o texto formatado, use um editor de Markdown, o GitHub, o Notion ou o Obsidian, que renderizam a marcação.