本地PDF转Markdown，文件不用上传

“本地”是什么意思，怎么验证

所谓本地转换，是指由你自己设备上的软件读取文件、转成 Markdown，而且文件的任何副本都不会发到服务器。这就排除了大多数“免费在线转换器”：它们会上传 PDF，在远端处理，再把结果传回来。也排除了那些虽然在你电脑上运行、却在难处理的部分偷偷调用云服务的工具。

你不必相信任何人的说法，包括我们。不管用哪种方式做本地PDF转Markdown，下面两个检查对任何工具都管用：

1. 断网。先加载工具，再关掉 Wi-Fi（或者在浏览器开发者工具里切到离线），然后转换。需要服务器的工具会直接失败。
2. 看流量。在浏览器里，放入文件前先打开“网络”面板，转换过程中留意有没有 POST 请求或其他带数据的请求。桌面软件的话，防火墙提示或网络监控工具也能告诉你同样的事。

方法一：在浏览器里本地把 PDF 转成 Markdown

手上只有一个文件、又没有 Python 环境时，浏览器工具最快。我们的转换器在标签页里用开源引擎 PDF.js 读取 PDF：根据字号识别标题，重建列表和竖线表格，还能去掉重复的页眉和页码。整个过程没有上传这一步，所以不管是合同还是菜谱，转换都一样私密。

我们在 2026年10月19日 用脚本做了断网测试：在 Chrome 155.0.8059.84 中打开页面，把浏览器切到离线，再转换一份带重复页眉、页码和一张表格的 4 页报告。测试中，离线转换用了 87 毫秒，输出 546 个字符的 Markdown。离线期间页面只发出了 1 个请求，是加载页面下方一张装饰图片的 GET，没有任何请求携带数据。页面加载时也没有任何 POST 请求。

局限和所有读取文字层的转换器一样。扫描页没有可读的文字，而我们的工具不做 OCR，所以它会提示文件看起来是扫描件，而不是瞎猜。多栏版式和复杂表格转完后要检查一下；要看哪些地方，见 格式保留指南。

方法二：在自己电脑上用 Python 库

经常要做的任务，更适合用 Python 库：可以遍历文件夹、把代码放进版本管理、在你自己掌控的服务器上运行。代码细节见我们的 Python 指南；这里只从“是否本地”的角度看四个常用的包。

• PyMuPDF4LLM 一行就能把 PDF 转成 Markdown：pymupdf4llm.to_markdown("report.pdf")，完全离线运行。先看许可证：它和 PyMuPDF 都是 AGPL-3.0，商业许可另外出售。
• MarkItDown 来自微软（MIT），能转换很多种文件。用 pip install 'markitdown[pdf]' 装上 PDF 扩展，再运行 markitdown report.pdf -o report.md。默认的 PDF 处理是本地的；但有些可选扩展会把文件发给 Azure Document Intelligence 或 Content Understanding，处理机密文件时别用。
• Docling（MIT）使用版面和表格模型，并把本地运行、保护敏感数据列为功能之一。模型第一次使用时下载；文档里给了 docling-tools models download，可以提前为断网机器准备好。
• Marker（代码 Apache-2.0；模型权重另有许可，带商业限制）同样基于模型。它的可选参数 --use_llm 会把内容发给 LLM 服务，默认是 Gemini；只有指向你自己部署的模型时才算本地。

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

在 Mac 上把 PDF 转成 Markdown 也一样：两个包在 macOS 上都能用 pip 安装，Homebrew 的 poppler 包则提供下一种方法要用的 pdftotext。

方法三：命令行工具

经典的离线工具是 Poppler 里的 pdftotext。它很快，几乎到处都装着，但输出的是纯文本，不是 Markdown：没有 # 标题，也没有竖线表格。-layout 参数会用空格把各列对齐，方便人看，但解析器或模型需要结构时帮助不大。格式转换常用的 Pandoc，则根本读不了 PDF。

为了用同一个文件比较，我们在构建机（Linux x86_64, 8 vCPU）上禁用进程网络，运行了两个 Python 包和 pdftotext，然后统计输出内容。文件就是浏览器测试里的那份 4 页报告。我们转换器那一行，是同一文件在“清理 AI 残留”模式下的结果。

哪种方法适合哪种任务

• 一个文件，马上要，不想装任何东西：用浏览器。单个文件用 PDF转MD 工具，一堆文件用 批量页面。
• 每周一个文件夹，或者自动化流程：能接受 AGPL 就用 PyMuPDF4LLM，需要 MIT 和多种文件格式就用 MarkItDown。
• 复杂版式、扫描件、公式：Docling 或 Marker，要下载模型，跑得也更慢。
• 只要文字，用来搜索或快速比对：pdftotext。
• 直接放进笔记库：在浏览器里转换，然后按 Obsidian 流程 操作。

顺便说一下用词：离线工具和私密工具不是同一个承诺。离线只代表不需要网络；私密还包括工具在硬盘上留下的东西，比如缓存、日志、崩溃报告。所以装任何软件前，都读一读它的隐私说明。

机密 PDF 检查清单

1. 读一下工具的隐私政策，再用上面的离线测试自己验证。我们的隐私政策在 隐私页面。
2. 联网安装软件包、下载模型，然后断网，在本地把 PDF 转成 Markdown。
3. 云端扩展保持关闭：MarkItDown 的 Azure 选项、Marker 的 LLM 模式，以及任何会调用外部服务的“AI 清理”开关。
4. 在你自己掌控的文件夹里转换，完成后删除中间副本。
5. 把 Markdown 粘贴给聊天模型之前要想清楚：这一步就是上传。转换时没上传，不代表之后也安全。
6. 法律或医疗文件，优先选能看到源代码的工具，并把所用版本和输出一起保存。