PDFをアップロードせずにローカルでMarkdownに変換する

「ローカル」の意味と確かめ方

変換がローカルであるとは、ファイルを自分の端末上のソフトウェアが読んでMarkdownに変え、ファイルのコピーがどのサーバーにも送られないことです。PDFをアップロードし、リモートで処理して結果を送り返す、ほとんどの「無料オンライン変換ツール」はこれに当てはまりません。ノートパソコン上で動いていても、難しい部分では黙ってクラウドのサービスを呼び出すツールも当てはまりません。

誰かの言葉を信じる必要はありません。私たちの言葉もです。どの方法でPDFをローカルでMarkdownに変換する場合でも、どのツールにも使える確認方法が2つあります。

1. ネットワークを切る。 ツールを読み込み、Wi-Fiを切って（またはブラウザの開発者ツールでオフラインにして）から変換します。サーバーが必要なツールは失敗します。
2. 通信を見る。 ファイルをドロップする前にブラウザのネットワークタブを開き、変換中にPOSTリクエストや本文付きのリクエストがないか確認します。デスクトップのプログラムなら、ファイアウォールの確認画面やネットワークモニターで同じことがわかります。

方法1：ブラウザでPDFをローカルでMarkdownに変換

ファイルが1つでPython環境がないなら、ブラウザツールが最速です。私たちの変換ツールは、オープンソースのエンジン PDF.js を使ってタブの中でPDFを読みます。文字サイズから見出しを見つけ、リストとパイプテーブルを組み立て直し、繰り返しのヘッダーとページ番号を取り除けます。アップロードの手順がないので、ファイルが契約書でもレシピでも、同じようにプライベートなままです。

ネットワークを切るテストは、2026年10月19日にスクリプトで行いました。Chrome 155.0.8059.84でページを開き、ブラウザをオフラインモードにしてから、繰り返しのヘッダー、ページ番号、表が1つある4ページのレポートを変換しました。私たちのテストでは、オフラインでの変換は87ミリ秒で終わり、546文字のMarkdownが得られました。オフラインの間にページが出したリクエストは1件（ページ下部の装飾画像のGET）で、データを含むリクエストは0件でした。ページの読み込み時にもPOSTリクエストはありませんでした。

限界は、テキスト層を読むすべての変換ツールと同じです。スキャンしたページには読み取れるテキストがなく、私たちのツールはOCRを行わないので、推測する代わりにファイルがスキャンのようだと知らせます。複数段組みのレイアウトや複雑な表は、あとで確認が必要です。書式のガイドに確認すべき点をまとめています。

方法2：自分のパソコンで動くPythonライブラリ

繰り返しの作業には、Pythonライブラリのほうが向いています。フォルダーを順に処理し、コードをバージョン管理し、自分が管理するサーバーで動かせます。コードについてはPythonガイドで詳しく扱っています。ここでは「ローカルかどうか」という観点だけで、よく使われる4つのパッケージを見ます。

• PyMuPDF4LLM は1回の呼び出しでPDFをMarkdownにします：pymupdf4llm.to_markdown("report.pdf")。完全にオフラインで動きます。まずライセンスを確認してください。本体とPyMuPDFはAGPL-3.0で、商用ライセンスは別に販売されています。
• MarkItDown（Microsoft、MIT）は多くのファイル形式を変換します。pip install 'markitdown[pdf]' でPDF用の拡張を入れ、markitdown report.pdf -o report.md を実行します。通常のPDFの処理はローカルです。オプションの拡張は Azure Document Intelligence や Content Understanding にファイルを送るので、社外秘のファイルでは使わないでください。
• Docling（MIT）はレイアウトと表のモデルを使い、機密データのためのローカル実行を機能の1つに挙げています。モデルは初回の利用時にダウンロードされます。ネットワークのないマシン向けに事前に取得するには、ドキュメントにある docling-tools models download を使います。
• Marker（コードは Apache-2.0、モデルの重みは商用利用に制限のある独自のライセンス）もモデルベースです。オプションの --use_llm フラグは内容をLLMのサービス（初期設定は Gemini）に送るので、自分で運用するモデルを指定した場合にしかローカルになりません。

python -m venv .venv && . .venv/bin/activate
pip install pymupdf4llm 'markitdown[pdf]'

# then work with the network off
python -c "import pymupdf4llm; open('report.md','w').write(pymupdf4llm.to_markdown('report.pdf'))"
markitdown report.pdf -o report-markitdown.md

MacでPDFをMarkdownに変換したい場合も、何も変わりません。どちらのパッケージも macOS で pip を使って入れられ、次の方法の pdftotext は Homebrew の poppler パッケージに含まれています。

方法3：コマンドラインツール

定番のオフラインツールは、Poppler の pdftotext です。高速でほぼどこにでも入っていますが、書き出すのはMarkdownではなくプレーンテキストです。# の見出しもパイプテーブルもありません。-layout フラグはスペースで列をそろえます。人が読むには役立ちますが、パーサーやモデルが構造を必要とする場合にはあまり役立ちません。形式の変換の定番である Pandoc は、そもそもPDFを読めません。

同じファイルで各方法を比べるため、私たちのビルド用マシン（Linux x86_64, 8 vCPU）でプロセスのネットワークを無効にして、2つのPythonパッケージと pdftotext を実行し、出力を数えました。ファイルはブラウザのテストと同じ4ページのレポートです。私たちの変換ツールの行は、同じファイルを「AIの痕跡を除去」モードで変換した結果です。

どの方法がどの作業に向いているか

• ファイル1つ、今すぐ、セットアップなし： ブラウザ。PDFをMDに変換するツールか、ファイルがまとまっているなら一括変換ページを使います。
• 毎週のフォルダーやパイプライン： AGPLライセンスで問題なければ PyMuPDF4LLM、MITと多くのファイル形式が必要なら MarkItDown。
• 難しいレイアウト、スキャン、数式： モデルのダウンロードと遅い処理を覚悟で、Docling か Marker。
• 検索や簡単な差分のための言葉だけ： pdftotext。
• Vaultに直接： ブラウザで変換し、Obsidianのワークフローに従います。

用語について一言：オフラインのツールとプライベートなツールは、同じ約束ではありません。オフラインとは、ネットワークを必要としないことです。プライベートには、キャッシュ、ログ、クラッシュレポートなど、ツールがディスクに何を残すかも含まれます。インストールするものはすべて、プライバシーのページを読んでください。

社外秘のPDFのためのチェックリスト

1. ツールのプライバシーポリシーを読み、上のオフラインテストで自分で確かめます。私たちのものはプライバシーのページにあります。
2. パッケージのインストールとモデルのダウンロードはオンラインで行い、そのあとネットワークを切ってPDFをローカルでMarkdownに変換します。
3. クラウドの拡張は無効のままにします：MarkItDown の Azure のオプション、Marker の LLM モード、サービスを呼び出す「AIでのクリーンアップ」のスイッチなど。
4. 自分が管理するフォルダーで変換し、終わったら途中のコピーを削除します。
5. Markdownをチャットモデルに貼り付ける前に：その手順はアップロードです。変換時にアップロードがなくても、その後に起きることまでは守れません。
6. 法律や医療のファイルでは、コードを読めるツールを選び、使ったバージョンを出力と一緒に保管します。