Format yang hilang saat PDF diubah ke Markdown hilang karena satu sebab dasar: PDF tidak menyimpan niat pemformatan penulisnya. Yang disimpan hanya bentuk visual huruf, yaitu ukuran, jenis, posisi, dan warnanya. PDF ke Markdown bekerja menebak niat itu dari bentuk visual: baris yang hurufnya lebih besar dan berdiri sendiri ditebak sebagai judul, kata yang hurufnya lebih tebal ditebak sebagai penekanan. Kalau bentuk visualnya tidak khas, tebakannya meleset, dan penandanya hilang atau salah tingkat.
Karena itu, pekerjaan ini tidak bisa diharapkan menghasilkan berkas yang sempurna untuk semua dokumen. Dokumen yang dibuat dengan gaya penulisan konsisten menghasilkan Markdown yang rapi. Dokumen yang pemformatannya dilakukan manual, misalnya judul yang sekadar ditebalkan dan diperbesar, menghasilkan Markdown yang perlu dirapikan.
Artikel ini menjelaskan apa yang bisa dikenali, apa yang tidak, dan cara memperbaiki hasilnya dengan pekerjaan sesedikit mungkin.
Apa yang dikenali dan apa yang tidak
Yang dikenali dari dokumen ada empat: judul bertingkat, teks tebal, teks miring, dan daftar butir. Keempatnya dikenali dari bentuk visual, bukan dari penanda tersembunyi, karena PDF memang tidak menyimpan penanda semacam itu.
Yang tidak dikenali, atau dikenali dengan hasil yang tidak pasti, ada lima.
Judul yang dibuat manual. Kalau judul ditulis dengan huruf biasa yang ditebalkan dan diperbesar sedikit, mesin bisa membacanya sebagai teks tebal biasa, bukan sebagai judul. Akibatnya tingkat judulnya hilang.
Tabel. Tabel ditulis sebagai teks biasa, bukan sebagai tabel Markdown. Isinya lengkap, tetapi batas antar selnya hilang dan urutannya mengikuti pembacaan per baris.
Gambar. Gambar tidak ikut dipindahkan ke berkas Markdown. Yang tersisa hanya teksnya.
Tautan. Alamat tautan yang tertanam pada kata bisa tidak terbaca, tergantung bagaimana tautan itu disimpan di dalam PDF. Yang tersisa hanya teksnya tanpa alamat.
Tingkat judul yang tidak konsisten. Kalau di satu dokumen ada judul yang lebih besar dari judul lain tanpa alasan yang jelas, tingkatnya bisa tertukar. Mesin membaca ukuran, bukan maksud.
Kenapa PDF tidak menyimpan niat pemformatan
Perbedaan ini berakar pada cara PDF dibuat. PDF adalah format untuk menampilkan, bukan format untuk menyunting. Tujuannya satu: memastikan dokumen tampil sama di mana pun ia dibuka. Untuk keperluan itu, yang perlu disimpan adalah bentuk akhirnya, bukan riwayat bagaimana bentuk itu dicapai.
Dokumen asli di pengolah kata menyimpan lebih banyak. Di sana tersimpan informasi bahwa sebuah baris adalah judul tingkat dua, bahwa sebuah kata ditandai sebagai penekanan, dan bahwa sebuah bagian adalah daftar. Informasi itu hilang saat dokumen dicetak atau diekspor menjadi PDF, karena PDF hanya membutuhkan hasil akhirnya.
Inilah sebabnya mengubah PDF kembali menjadi dokumen berstruktur selalu berupa tebakan. Arah sebaliknya, dari dokumen berstruktur ke PDF, jauh lebih dapat diandalkan, karena tidak ada yang perlu ditebak.
Langkah memperbaiki hasilnya
Perbaikan dikerjakan di editor teks, dan urutannya menentukan berapa lama pekerjaan itu selesai.
- Buka berkas .md hasilnya di editor teks.
- Baca kerangkanya dulu, jangan langsung menyunting isinya. Catat bagian mana yang seharusnya menjadi judul.
- Perbaiki tingkat judul. Judul utama dokumen memakai satu tanda pagar, sub-bagian memakai dua, dan sub-sub-bagian memakai tiga.
- Periksa daftar. Pastikan setiap butir berdiri di barisnya sendiri dan memakai penanda yang sama.
- Periksa teks tebal dan miring, tambahkan atau hapus penandanya sesuai kebutuhan.
- Susun ulang bagian tabel, dan tandai batas antar kolom dengan pemisah yang konsisten.
- Tambahkan kembali gambar dan tautan yang hilang, kalau keduanya diperlukan di hasil akhir.
Kapan hasilnya sudah cukup baik
Tidak semua dokumen perlu diperbaiki sampai sempurna. Menentukan target lebih dulu menghemat waktu.
Kalau berkas Markdown-nya hanya akan dibaca sebagai catatan pribadi, penanda yang hilang tidak banyak berpengaruh. Teksnya sudah lengkap, dan itu yang paling penting.
Kalau berkasnya akan dipublikasikan di platform dokumentasi atau repositori, tingkat judul dan daftar perlu benar, karena keduanya menentukan tampilan halaman dan daftar isinya.
Kalau berkasnya akan dijadikan bahan masukan untuk sistem yang memproses teks, yang perlu diperhatikan justru kebersihan teksnya: tidak ada nomor halaman yang menyelip, tidak ada kepala halaman yang berulang, dan tidak ada catatan kaki yang memutus paragraf.
Membandingkan dengan pilihan lain
Tiga tool di kelompok ini bekerja dari berkas yang sama dengan hasil berbeda, dan memilih yang tepat mengurangi pekerjaan perapian.
PDF ke Teks menghasilkan teks polos tanpa penanda apa pun. Cocok kalau yang dibutuhkan hanya kata-katanya, misalnya untuk pencarian atau penyuntingan massal.
PDF ke Markdown menghasilkan penanda tebal, miring, daftar, dan judul. Cocok kalau hasilnya akan disunting lagi sebagai naskah atau dipublikasikan di platform yang mendukung Markdown.
PDF ke HTML menghasilkan berkas HTML yang bisa langsung dibuka di peramban, dengan struktur judul dan paragraf yang dipertahankan. Cocok kalau hasilnya akan ditempel ke situs.
Ketiganya tidak bisa memulihkan informasi yang tidak ada di dalam PDF. Perbedaannya hanya pada bentuk keluaran dan berapa banyak pekerjaan lanjutan yang diperlukan.
Kalau dokumen aslinya masih ada
Satu jalan pintas yang sering terlupakan: kalau dokumen aslinya masih ada dalam format yang menyimpan struktur, memakai dokumen itu jauh lebih baik daripada memulihkan struktur dari PDF.
Dokumen pengolah kata menyimpan informasi judul, daftar, dan penekanan secara eksplisit. Sebagian aplikasi bahkan bisa mengekspor langsung ke Markdown, sehingga penandanya keluar utuh tanpa perlu ditebak. Sebelum mengerjakan perapian panjang pada hasil konversi PDF, periksa dulu apakah dokumen aslinya masih tersimpan di surel, folder arsip, atau penyimpanan awan.
Kalau dokumen aslinya tidak ada dan yang tersisa hanya PDF, pekerjaan perapian manual memang tidak terhindarkan. Untuk dokumen seperti itu, kerjakan perbaikan dari bagian yang paling sering dibaca, misalnya judul dan daftar, dan biarkan bagian yang jarang dibuka apa adanya.
Masalah yang sering terjadi
Semua baris jadi satu tingkat judul. Kemungkinan dokumennya memakai ukuran huruf yang hampir seragam, sehingga mesin tidak bisa membedakan judul dari badan tulisan. Perbaiki tingkat judulnya secara manual.
Judulnya jadi teks tebal biasa. Judul itu kemungkinan ditulis dengan huruf berukuran sama seperti badan tulisan dan hanya ditebalkan. Mesin membacanya sebagai penekanan, bukan sebagai judul.
Daftarnya jadi satu paragraf panjang. Daftar yang dibuat tanpa penanda butir asli, misalnya dengan spasi manual, tidak bisa dikenali. Pisahkan butirnya satu per satu.
Tabelnya berantakan. Tabel ditulis sebagai teks biasa dan urutannya mengikuti pembacaan per baris. Bagian ini memang perlu disusun ulang manual.
Gambarnya hilang. Markdown hasil konversi hanya memuat teks. Untuk mengambil gambarnya, gunakan Ekstrak Gambar dari PDF yang mengambil gambar asli pada resolusi aslinya.
Kapan sebaiknya tidak memakai tool online
Dokumen berisi data pribadi lengkap, berkas keuangan, atau dokumen internal yang belum boleh keluar dari jaringan kantor sebaiknya dikerjakan dengan aplikasi yang berjalan di komputer sendiri. Untuk tool kelompok ini, berkas dialirkan ke pemroses dan hasilnya dikirim balik ke peramban tanpa ditulis ke penyimpanan permanen, tetapi berkas tetap meninggalkan perangkat selama proses berlangsung. Keterangan lengkapnya ada di kebijakan privasi.
Kalau dokumennya akan dirapikan panjang, mengerjakannya di komputer lebih hemat waktu, terutama karena berkas Markdown perlu disunting dengan papan ketik.
Pertanyaan yang sering muncul
Apakah tingkat judul bisa dipulihkan sepenuhnya? Tidak. Mesin hanya bisa menebak dari ukuran huruf dan posisi baris. Perbaikan manual tetap diperlukan untuk dokumen yang formatnya tidak konsisten.
Apakah tabel bisa keluar sebagai tabel Markdown? Tidak. Tabel ditulis sebagai teks biasa.
Apakah gambarnya ikut dipindahkan? Tidak. Markdown hasil konversi hanya memuat teks. Untuk gambarnya, gunakan Ekstrak Gambar dari PDF.
Apakah tautan di dalam dokumen tetap hidup? Tergantung bagaimana tautan itu disimpan di dalam PDF. Sebagian bisa terbaca, sebagian hanya menyisakan teksnya tanpa alamat.
Apakah hasilnya bisa diulang supaya lebih baik? Tidak. Berkas yang sama menghasilkan teks yang sama. Yang bisa diperbaiki adalah berkas masukannya, misalnya dengan memakai dokumen aslinya kalau masih ada.
Untuk mengubah dokumen menjadi Markdown, buka PDF ke Markdown. Pilihan konversi lain di kelompok ini ada di Konversi Format Dokumen, dan panduan PDF secara umum ada di Panduan PDF.