Conversor de PDF, DOCX, XLSX y HTML a Markdown

Q: ¿Se puede pasar el Markdown convertido directamente a la fragmentación RAG o a la estimación de costos de LLM?

Sí. Pulsar Fragmentar para RAG permite enviar el Markdown compilado directamente al fragmentador RAG basado en encabezados, o pulsar Estimar costo de LLM abre DevToken con el recuento exacto de tokens BPE precargado.

Compilador de doble motor listo — AST local en el navegador (0ms) + API gratuita de documentos en la nube

Soltar un archivo aquí o pulsar para examinar (.pdf, .docx, .xlsx, .ods, .numbers, .html, .csv, .json)

Conversión gratuita sin clave · Máx. 10 MB · El marcado se ejecuta localmente en 0ms · PDF/Office usa la API de documentos

API sin estado en memoria — los archivos subidos se descartan de inmediato tras la conversión

Payload de origen en HTML, XML, JSON o texto Cuenta automáticamente tokens BPE

<article>
  <header><nav>Home &gt; Docs &gt; AI Engineering</nav></header>
  <h1>Enterprise Document-to-Markdown Pipeline</h1>
  <p>Converting noisy HTML and PDF documents into <strong>structured Markdown</strong> reduces LLM context window token consumption by up to <em>74%</em>.</p>
  <h2>Supported Conversion Modes</h2>
  <ul>
    <li><strong>Local AST Compiler:</strong> Instant 0ms conversion in your browser for HTML, CSV, TSV, and JSON.</li>
    <li><strong>Cloud Document API:</strong> Keyless server extraction via <code>POST /api/v1/conversions</code> for PDF, DOCX, and XLSX.</li>
  </ul>
  <table>
    <thead><tr><th>Format</th><th>Raw Tokens</th><th>Markdown Tokens</th><th>Savings</th></tr></thead>
    <tbody>
      <tr><td>HTML Web Page</td><td>4,280</td><td>1,120</td><td>73.8%</td></tr>
      <tr><td>PDF Technical Spec</td><td>6,900</td><td>2,450</td><td>64.5%</td></tr>
    </tbody>
  </table>
  <pre><code class="language-typescript">const res = await fetch("https://markdown.codeap.com/api/v1/conversions", { method: "POST", body: form });</code></pre>
  <footer>Copyright 2026 Boilerplate Footer</footer>
</article>

Eliminar <nav>/<footer>/<script> Convertir <table> de HTML a GFM Conservar [enlaces](url) Antepone frontmatter YAML

Metadatos de título del documento

Modo de ejecución para subida de archivos

Tokens BPE de origen

182

Tokens BPE de Markdown

114

Reducción de contexto

-37.4% ahorrado

Motor activo

AST local (0ms)

Salida compilada en GitHub-Flavored Markdown (GFM) Listo para ingesta en LLM / RAG

Fragmentar para RAG → Estimar costo de LLM →

Formatos admitidos y ahorro de tokens

Extensiones admitidas, motor de ejecución y reducción media de tokens BPE
Categoría	Extensiones	Motor	Ahorro de tokens
Web y marcado	`.html`, `.htm`, `.xml`, `.rtf`, `.txt`	AST local (0ms) + API v1	68% – 82%
Tabular y JSON	`.csv`, `.tsv`, `.json`	Tabla GFM local + API v1	35% – 54%
Documentos PDF	`.pdf`	POST /api/v1/conversions	58% – 72%
Ofimática y hojas de cálculo	`.docx`, `.doc`, `.xlsx`, `.ods`, `.odt`, `.numbers`	POST /api/v1/conversions	55% – 75%

Preguntas frecuentes

¿Qué formatos de documentos puede convertir ToMarkdown?

Nuestro compilador AST local en el navegador convierte HTML, XHTML, XML, CSV, TSV, JSON, RTF y Markdown en 0ms sin subir archivos. Las solicitudes sin clave a POST /api/v1/conversions (Swagger UI) también procesan documentos binarios PDF, DOCX, DOC, XLSX, XLSM, XLSB, XLS, ET, ODS, ODT y Apple Numbers de hasta 10 MB.

¿Por qué convertir archivos HTML y PDF a Markdown antes de enviarlos a un LLM?

Los árboles DOM de HTML sin procesar y los flujos de maquetación PDF contienen hasta un 75% de marcado repetitivo, estilos en línea y scripts. Convertirlos a GitHub-Flavored Markdown reduce la facturación de tokens de entrada entre un 60% y un 82%, al tiempo que mejora la precisión de recuperación en flujos de RAG.

¿Se puede pasar el Markdown convertido directamente a la fragmentación RAG o a la estimación de costos de LLM?

Sí. Al pulsar Fragmentar para RAG → se transfiere el Markdown compilado directamente al fragmentador basado en encabezados, y al pulsar Estimar costo de LLM → se abre DevToken con el recuento exacto de tokens precargado.

ToMarkdown — Entorno de conversión de documentos y compresión de contexto LLM

Formatos admitidos y ahorro de tokens

Preguntas frecuentes