Test
10 000 pages
3,75 $US
0,38 $US/1K pages
- Testez-le sur vos vraies URL
- Même API que le pack le plus grand
- Les crédits n'expirent jamais
Réponse rapide
Existe-t-il une API qui convertit un PDF depuis une URL en Markdown ?
Oui. Avec WebReaderAPI, envoyez l'URL du PDF à https://webreaderapi.com/api/v1/read : l'API télécharge le fichier et renvoie son texte en Markdown, avec titres, paragraphes, listes et tableaux simples. Les fichiers jusqu'à 20 MB et 100 pages sont pris en charge, à 1 crédit par tranche de 10 pages entamée, à partir de 0,07 $US/1K pages en octobre 2026. Sans KYC ; payer en crypto.
PDF vers Markdown en un coup d'œil
| Endpoint | GET https://webreaderapi.com/api/v1/read?url=https://…/report.pdf (le même que pour les pages web) |
|---|---|
| Limites | Les fichiers PDF jusqu'à 20 MB et 100 pages sont convertis en Markdown, à 1 crédit par bloc de 10 pages entamé |
| Sortie | Texte Markdown avec titres, paragraphes, listes et tableaux simples ; format=text pour le texte brut |
| Non pris en charge | PDF scannés sans couche de texte (pas d'OCR), fichiers protégés par mot de passe |
| robots.txt | S'applique aux liens PDF comme à toute autre page |
| Paiement | BTC, USDT, USDC, ETH, SOL, LTC, à partir d'une recharge de 25 $US ; sans KYC |
Comment les pages d'un PDF sont-elles comptées ?
Un PDF coûte 1 crédit par tranche de 10 pages entamée. Une brochure de 4 pages coûte 1 crédit, un rapport de 25 pages 3 crédits et un manuel de 100 pages 10 crédits. La réponse indique le chiffre exact dans credits_used.
Les fichiers de plus de 20 MB ou de plus de 100 pages renvoient 422 unsupported_content et ne consomment aucun crédit. Pour un document long, cherchez d'abord une version HTML du même contenu : elle est souvent moins chère et mieux structurée.
À quoi ressemble le Markdown ?
Le convertisseur reconstruit l'ordre de lecture à partir de la couche de texte du PDF. Les lignes longues ou en gras au début d'une section deviennent des titres, les éléments à puces et numérotés deviennent des listes Markdown, et les tableaux à grille simple deviennent des tableaux Markdown.
Les en-têtes courants, pieds de page et numéros de page répétés sur chaque page sont supprimés, pour qu'ils ne coupent pas les phrases dans vos chunks. Les mises en page sur deux colonnes sont lues colonne par colonne. Les notes de bas de page restent en texte à l'endroit où la page les place.
import os
import re
import requests
resp = requests.get(
"https://webreaderapi.com/api/v1/read",
headers={"Authorization": "Bearer " + os.environ["WEBREADER_API_KEY"]},
params={"url": "https://example.com/annual-report.pdf"},
timeout=120,
)
resp.raise_for_status()
doc = resp.json()
chunks = [c.strip() for c in re.split(r"\n(?=#{1,3} )", doc["markdown"]) if c.strip()]
print(len(chunks), "chunks,", doc["credits_used"], "credit(s)")
for c in chunks[:3]:
print(c.splitlines()[0])
Quels PDF fonctionnent le mieux, et lesquels ne fonctionnent pas ?
Les PDF exportés depuis un traitement de texte, un site web ou un outil de publication fonctionnent le mieux : ils contiennent une couche de texte avec les polices et les positions. Les rapports annuels, articles de recherche, manuels produits, documents de politique et listes de prix entrent généralement dans cette catégorie.
Les documents scannés sont des images de pages et n'ont pas de couche de texte. WebReaderAPI n'effectue pas de reconnaissance optique de caractères : un scan renvoie donc peu ou pas de texte ; le champ word_count l'indique immédiatement. Les PDF protégés par mot de passe et chiffrés sont refusés avec 422 unsupported_content, sans frais.
Comment intégrer les PDF dans un pipeline RAG ?
Traitez-les comme des pages web. Lisez le PDF, découpez le Markdown selon ses titres, ajoutez l'URL source et le titre de la page aux métadonnées de chaque chunk, puis vectorisez. Conserver l'URL permet à votre assistant de citer le document utilisé.
Lorsqu'un crawl rencontre des liens vers des PDF sur le même domaine, il les lit avec les mêmes règles et les mêmes vérifications robots.txt. Voir le guide RAG pour un exemple complet d'ingestion.
Combien coûte la conversion d'un PDF ?
Les PDF puisent dans les mêmes crédits que les pages web : 1 crédit par tranche de 10 pages entamée. Avec 10 000 pages pour 3,75 $US, vous pouvez convertir environ 10 000 PDF courts ou 1 000 documents de 100 pages.
Starter
50 000 pages
14,25 $US
0,28 $US/1K pages
- Un agent IA ou un prototype RAG
- Crawler un site de documentation
- Les crédits n'expirent jamais
Build
100 000 pages
21,75 $US
0,22 $US/1K pages
- Agents en production et pipelines RAG
- Tâches batch et crawl
- Les crédits n'expirent jamais
Scale
500 000 pages
50 $US
0,10 $US/1K pages
- Grandes bases de connaissances
- Concurrence plus élevée sur demande
- Les crédits n'expirent jamais
Dans chaque offre: Extraction du contenu principal · Rendu JavaScript si nécessaire · Pages en échec et refusées non facturées · Les crédits n'expirent jamais
API PDF vers Markdown : questions fréquentes
Puis-je envoyer un fichier PDF au lieu d'un lien ?
Pas dans la version 1. L'API lit les PDF depuis une URL publique. Pour convertir un fichier privé, placez-le à une URL que vous contrôlez le temps de la requête.
Extrait-il le texte des PDF scannés ?
Non. WebReaderAPI lit la couche de texte d'un PDF et n'effectue pas d'OCR. Un document scanné renvoie peu ou pas de texte, ce que le champ word_count indique.
Les tableaux sont-ils conservés ?
Les tableaux à grille simple deviennent des tableaux Markdown. Les tableaux avec cellules fusionnées ou mises en page complexes sont conservés en texte dans l'ordre de lecture, que les modèles lisent encore bien.
Un PDF est-il facturé en cas d'échec ?
Non. Les fichiers trop volumineux, trop longs, chiffrés ou refusés par le site ne sont pas facturés. 1 crédit = 1 page lue sans navigateur ; 2 crédits quand la page nécessite un navigateur pour exécuter JavaScript. Une requête qui échoue, ou qu'un robots.txt de site refuse, n'est pas facturée.