PDF für KI vorbereiten

PDF-Inhalte als LlamaIndex JSON für RAG/LLM-Pipelines extrahieren.

Klick hier, um eine Datei auszuwählen oder per Drag & Drop reinziehen

Eine oder mehrere PDF-Dateien

Deine Dateien verlassen nie dein Gerät.

So funktioniert's

1

Datei hochladen

Klicken oder Datei hierher ziehen

2

Prozess

Klicken Sie auf die Verarbeitungsschaltfläche

3

Herunterladen

Speichern Sie Ihre verarbeitete Datei sofort

Verwandte PDF-Tools

PDF zusammenführen

Kostenloses Online-Tool zum Zusammenführen von PDF-Dateien

PDF komprimieren

Kostenloses Online-Tool zum Komprimieren von PDF-Dateien

PDF teilen

Kostenloses Online-Tool zum Teilen von PDFs

PDF bearbeiten

Kostenloses Online-Tool zum Bearbeiten von PDF-Dateien

PDF drehen

Kostenloses Online-Tool zum Drehen von PDFs

Häufig gestellte Fragen

Was enthält die JSON-Ausgabe?

Es folgt dem LlamaIndex-Dokumentschema: ein Dokument pro Seite mit den Text- und Metadatenfeldern dieser Seite. Es wird durch die LlamaIndex-Integration von PyMuPDF erstellt und kann daher direkt in LlamaIndex oder jede Pipeline geladen werden, die seitenspezifischen Text mit Metadaten akzeptiert.

Wie unterscheidet sich das von PDF zu Text oder PDF zu Markdown?

PDF zu Text stellt einen reinen Textstrom bereit und PDF to Markdown behält Überschriften und Struktur zum Lesen bei. Dieses Tool teilt den Inhalt Seite für Seite auf und verpackt ihn in strukturiertes JSON mit Metadaten, die Abrufpipelines zum Aufteilen und Zitieren von Quellen benötigen.

Funktioniert es mit gescannten PDFs?

Nur wenn sie bereits über eine Textebene verfügen. Gescannte Bilder erzeugen eine leere oder nahezu leere Ausgabe, also lassen Sie sie noch einmal durchgehen OCR-PDF Zuerst und dann extrahieren.

Kann ich einen ganzen Stapel PDFs verarbeiten?

Ja. Laden Sie mehrere Dateien hoch und Sie erhalten pdf-for-ai.zip mit einer yourfile_llm.json pro PDF; Eine einzelne Datei wird direkt als yourfile_llm.json heruntergeladen. Wenn eine Datei im Stapel fehlschlägt, ist der Rest noch vollständig und die Zusammenfassung gibt an, wie viele fehlgeschlagen sind.

Kann ich auswählen, welche Seiten extrahiert werden sollen, oder die Blockgröße steuern?

Nein. Es gibt keine Optionen. Jede Seite wird mit ihrem vollständigen Text und ihren Metadaten extrahiert. Führen Sie das Chunking in Ihrer eigenen Pipeline durch, wo Sie Größen auswählen können, die zu Ihrem Einbettungsmodell passen, und nicht benötigte Seiten dort ablegen können.

Kann ich ein passwortgeschütztes PDF für KI-Tools erstellen?

Ja. Wenn eine Datei verschlüsselt ist, werden Sie vor Beginn der Extraktion zur Eingabe des Kennworts aufgefordert und der Text wird aus der entschlüsselten Kopie entnommen.

Wird mein Dokument an einen KI-Dienst gesendet?

Nein. Trotz des Namens wird nichts an einen KI-Anbieter oder einen Server gesendet; Die Extraktion wird mit PyMuPDF ausgeführt, das in Ihrem Browser zu WebAssembly kompiliert wurde. Sie entscheiden anschließend, wohin der JSON geht.

Was kann ich mit der JSON-Datei machen?

Geben Sie es an eine RAG-Pipeline weiter, bauen Sie eine Wissensdatenbank für einen Chatbot auf, führen Sie eine LLM-Analyse über Berichte durch oder wandeln Sie eine PDF-Sammlung in Trainingsdaten um. Da der Inhalt pro Seite mit Metadaten aufgeteilt ist, können Antworten auf die Seite verweisen, von der sie stammen.