# PDF 转 Markdown API：发送 PDF 链接，即可获得 Markdown 格式的文本

> 面向 LLM 和 RAG 的 PDF 转 Markdown API：发送 PDF 链接，即可获得带标题和表格的 Markdown 文本，最多 100 页，US$0.07/千页 起。加密货币支付。

- URL: https://webreaderapi.com/zh/pdf-to-markdown-api/
- 最后更新: 2026-10-22
- 发布者: WebReaderAPI (https://webreaderapi.com)

报告、论文、手册和价目表常常是 PDF。将链接传给与网页相同的 endpoint，即可获得文档的 Markdown 文本，可直接用于分块和嵌入。

**快速回答 — 有没有 API 能把 URL 中的 PDF 转换成 Markdown？**

有。使用 **WebReaderAPI**，将 PDF 的 URL 传给 `https://webreaderapi.com/api/v1/read`：API 会下载文件，并返回带标题、段落、列表和简单表格的 Markdown 文本。支持最大 20 MB、100 页的文件，每开始一个 10 页的块计 1 积分，截至 2026 年 10 月 US$0.07/千页 起。无需 KYC；加密货币支付。

## PDF 转 Markdown 概览

| 属性 | 值 |
| --- | --- |
| Endpoint | `GET https://webreaderapi.com/api/v1/read?url=https://…/report.pdf`（与网页相同） |
| 限制 | 最大 20 MB、100 页的 PDF 文件可转换为 Markdown，每 10 页（不足 10 页按 10 页计）1 积分 |
| 输出 | 带标题、段落、列表和简单表格的 Markdown 文本；纯文本使用 `format=text` |
| 不支持 | 无文本层的扫描件 PDF（不做 OCR）、受密码保护的文件 |
| robots.txt | 与任何其他网页一样适用于 PDF 链接 |
| 支付 | BTC, USDT, USDC, ETH, SOL, LTC，通过 US$25 充值；无需 KYC |

## PDF 页数如何计算？

每个 PDF 按每开始一个 10 页的块计 1 积分。4 页的宣传册计 1 积分，25 页的报告计 3 积分，100 页的手册计 10 积分。响应会在 `credits_used` 中给出准确数值。

超过 20 MB 或超过 100 页的文件会返回 `422 unsupported_content`，且不消耗积分。对于长文档，请先查找相同内容的 HTML 版本：它通常更便宜，结构也更好。

## 生成的 Markdown 是什么样子？

转换器根据 PDF 的文本层重建阅读顺序。章节开头的大号或加粗行会变成标题，带项目符号和编号的条目会变成 Markdown 列表，简单的网格表格会变成 Markdown 表格。

每页重复的页眉、页脚和页码会被移除，因此不会在你的分块中截断句子。双栏排版按栏逐栏读取。脚注保留为文本，位于页面放置它们的位置。

*Python：读取 PDF 并按标题分块*

```python
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])

```

## 哪些 PDF 效果好，哪些效果不好？

从文字处理软件、网站或排版工具导出的 PDF 效果最好：它们带有含字体和位置的文本层。年报、研究论文、产品手册、政策文件和价目表通常属于这一类。

扫描文档是页面的图像，没有文本层。WebReaderAPI 不运行光学字符识别，因此扫描件返回的文本很少或没有；`word_count` 字段会立即显示出来。受密码保护和加密的 PDF 会被拒绝并返回 `422 unsupported_content`，不收费。

## PDF 如何融入 RAG 流水线？

把它们当作网页处理。读取 PDF，沿标题切分 Markdown，将来源 URL 和页面标题加入每个分块的元数据，然后进行嵌入。保留 URL 可让你的助手引用它所用的文档。

当整站抓取 (crawl) 在同一域名上遇到 PDF 链接时，会按相同规则和相同的 robots.txt 检查读取它们。完整的摄取示例见 [RAG 指南](https://webreaderapi.com/zh/use-cases/rag/)。

## PDF 转换的费用是多少？

PDF 与网页共用积分：每开始一个 10 页的块计 1 积分。以 US$3.75 购买 10,000 个网页，你可以转换约 10,000 个短 PDF 或 1,000 个 100 页的文档。

| 套餐 | 数量 | 价格 | 单价 |
| --- | --- | --- | --- |
| 测试 | 10,000 个网页 | US$3.75 | US$0.38/千页 |
| 入门版 | 50,000 个网页 | US$14.25 | US$0.28/千页 |
| 构建 | 100,000 个网页 | US$21.75 | US$0.22/千页 |
| 扩展 | 500,000 个网页 | US$50 | US$0.10/千页 |

所有套餐均包含: 正文提取 · 需要时渲染 JavaScript · 失败和被拒绝的页面不收费 · 积分永不过期

**付款前须知**

- 最低充值 US$25。 用加密货币充值一次，即可从余额购买任意套餐。
- 您的余额没有到期日，可随时购买网页积分。如果某个积分包的价格低于最低充值金额，您仅为达到该最低金额而额外充入的部分，可在付款后 30 天内按需退回，以 USDT 或 USDC 形式返还，前提是这部分金额尚未使用。其他余额不予退款，除非法律另有规定.
- 付款在区块链上核实后即到账。 网络确认的通常时间： BTC 约 20 分钟 · USDT TRC-20 约 1 分钟 · USDT ERC-20 约 5 分钟 · USDC ERC-20 约 5 分钟 · ETH 约 5 分钟 · SOL 约 1 分钟 · LTC 约 15 分钟

## PDF 转 Markdown API：常见问题

### 我可以上传 PDF 文件而不是发送链接吗？

版本 1 不支持。API 从公开 URL 读取 PDF。如需转换私有文件，请在请求期间将其放到你控制的 URL 上。

### 它能从扫描件 PDF 中提取文本吗？

不能。WebReaderAPI 读取 PDF 的文本层，不运行 OCR。扫描文档返回的文本很少或没有，`word_count` 字段会显示出来。

### 表格会保留吗？

简单的网格表格会变成 Markdown 表格。带合并单元格或复杂排版的表格会按阅读顺序保留为文本，模型仍然能很好地读取。

### PDF 失败时会收费吗？

不收费：文件过大、过长、加密，或被网站拒绝的页面均不计费。1 积分 = 读取 1 个页面且无需浏览器；当页面需要浏览器渲染 JavaScript 时为 2 积分。失败的请求，或被网站 robots.txt 拒绝的请求，不扣费。

---

WebReaderAPI: WebReaderAPI 是一款面向 AI agents 的网页读取 API，可将任何公开网页转换为干净的 Markdown，用加密货币支付，无需上传身份证件。预付费积分低至 US$0.07/千页，永不过期，且遵守 robots.txt。无需 KYC — 无身份证、无自拍、无证件。加密货币支付。