ZIP naar Markdown: één upload, het hele archief geconverteerd
Documenten één voor één converteren is prima totdat er twintig zijn. Dan zijn het twintig uploads, twintig wacht, twintig copy-pastes, en bij bestand veertien ben je kwijt welke je al hebt gedaan. Dat is het probleem dat deze pagina bestaat, moet worden opgelost.
Zip de map. Upload het ene archief. Elk ondersteund document binnenin wordt in één keer geconverteerd komt terug als Markdown, waarbij de eigen structuur van elk bestand intact is en duidelijk gescheiden is van de volgende. Het is een batchtaak vermomd als bestandsupload - en het is dezelfde gratis tool als de rest van de suite. Geen aanmelding, Limiet van 50 MB, achteraf niets bewaard.
Wat er feitelijk met uw archief gebeurt
Het archief wordt uitgepakt, de bestandsboom binnenin wordt van boven naar beneden gelopen en elk bestand wordt ondersteund extensie doorloopt dezelfde conversie als op zijn eigen speciale pagina. Een PDF in uw ZIP wordt precies hetzelfde behandeld als een PDF die rechtstreeks wordt geüpload. Een spreadsheet wordt tabellen. Een dek wordt dia-voor-dia secties. Vervolgens worden de resultaten samengevoegd tot één Markdown document.
Twee details zijn belangrijker dan mensen verwachten. Ten eerste, de mappenstructuur in het archief is
bewaard als context – dat kun je vertellen 2024/q3/board-pack.pdf kwam van een ander
plaats dan archive/old/board-pack.pdf, wat enorm belangrijk is als bestandsnamen zich herhalen
mappen, en dat doen ze altijd. Ten tweede, het archief wordt op zijn plaats uitgepakt en niet platgedrukt tot een
stapel. De hiërarchie die iemand heeft opgebouwd toen hij deze bestanden organiseerde, is op zichzelf informatie
Als je het weggooit, wordt het moeilijker om over de output te redeneren.
Archieven met een gemengd formaat zijn het normale geval, en niet het lastige. Een ZIP met daarin vier PDF's, twee Word documenten, een spreadsheet en een PowerPoint-deck worden in één keer geconverteerd, waarbij elk bestand door de logica wordt afgehandeld passend bij zijn eigen formaat.
Wat converteert en wat wordt overgeslagen
Alles wat de converter als zelfstandige upload verwerkt, werkt ook in een archief: PDF, DOCX, PPTX, XLSX en XLS, HTML, CSV, JSON, XML, EPUB, RTF, MSG en afbeeldingen. Als je precies wilt weten hoe een bepaald type werkt zich gedraagt, gaan de afzonderlijke pagina's gedetailleerd in: PDF naar Markdown, Woord naar Markdown, PowerPoint naar Markdown, en Excel naar Markdown bedek de vier de meest voorkomende dingen die mensen in een werkarchief vinden.
Wat wordt overgeslagen is alles zonder tekst om te geven. Video's, audio, lettertypen, gecompileerde binaire bestanden, installatieprogramma's en eigen formaten buiten de ondersteunde lijst dragen niets bij en worden met rust gelaten. Afbeeldingen zijn de moeite waard om te markeren en het trekt mensen aan. Op zichzelf geüpload, worden afbeeldingsbestanden verkregen goed lezen - tekst in een screenshot of een gefotografeerde pagina komt terug als tekst. In een archief zij niet. De batchpas registreert dat het bestand er was en gaat verder, dus een ZIP met schermafbeeldingen wordt geconverteerd succesvol en geeft u nog steeds bestandsnamen in plaats van de woorden op de schermen. Als die woorden de punt, trek de plaatjes eruit en laat ze doorlopen afbeelding naar Markdown direct.
Geneste archieven (een ZIP in uw ZIP) zijn iets anders dat u moet controleren. Als uw export is aangekomen als een archief van archieven, pak zelf een niveau uit en zip de inhoud opnieuw voordat u deze uploadt. Twee minuten van huishouding, veel betere output.
Waarom Markdown de juiste beslissing is voor een batch
Bij een enkel document is het kiezen van Markdown in plaats van platte tekst een kwestie van oordeel. Met twintig documenten in één uitvoer, het is niet meer dichtbij.
De reden zijn grenzen. Wanneer meerdere bestanden worden samengevoegd tot één stuk tekst, is het moeilijkste voor zowel jij als een taalmodel weten waar het ene document eindigt en het volgende begint. Markdown kopjes geef je dat gratis: elk bestand kondigt zichzelf aan, en alles daaronder hoort er zichtbaar bij. Vraag een model "welke van deze contracten heeft de kortste opzegtermijn" en kan per document worden beantwoord in plaats van clausules uit drie overeenkomsten vervagen tot één zelfverzekerd, verkeerd antwoord.
De structuur per bestand blijft ook bestaan. De tabellen in de spreadsheet blijven tabellen. De glijbanen van het deck blijven gescheiden secties. De clausulenummering van het rapport blijft intact. Dat is het hele argument ervoor batchgewijs documenten converteren naar Markdown in plaats van naar ruwe tekst: structuur is wat een context van meerdere documenten navigeerbaar in plaats van alleen maar groot.
De uitzondering hierop is bulkanalyse: insluitingen, zoekindexering, trefwoordwerk in een corpus, waar dan ook je wilt één platte stapel proza en syntaxiskarakters zijn ruis. Dat is ZIP naar teksten de schakelaar bovenaan van deze pagina gaat ernaartoe terwijl het archief dat u al hebt geselecteerd behouden blijft.
De archieven die mensen daadwerkelijk uploaden
- Bundels voor e-mailbijlagen. Iemand stuurt "alles voor de recensie" als een ZIP van negen bijlagen. Converteer de kavel, lees de samenvatting, beslis welke twee je daadwerkelijk goed moet openen.
- Gegevensexport. Google Takeout, Slack-werkruimte-exports, Notion-werkruimtedumps en exports van de supportdesk komen allemaal aan als archieven vol geneste mappen. Dit verandert een directorystructuur die u zou hebben klik anders een uur door naar iets dat in één keer leesbaar is.
- Cursusmateriaalpakketten. Een module aan collegedia's, hand-outs en leeslijsten in één download. Converteer het en vraag vervolgens om een studiegids die is opgebouwd uit de daadwerkelijke materialen in plaats van uit de algemene kennis van het model over het onderwerp.
- Klantoverdrachten en due diligence-pakketten. Een dataroom-export, een leveranciersdocument bundel, een map voor projectoverdracht — het geheel wordt in één stap doorzoekbare tekst, met map paden die u de herkomst van elk stuk vertellen.
- Subsidie- en aanbestedingsinzendingen. Antwoorden uit meerdere documenten met bijlagen, waar u dat nodig heeft om de consistentie te controleren tussen bestanden die door verschillende mensen zijn geschreven.
- Persoonlijke archieven. Oude back-upmappen waarvan je niet meer weet wat erin zit. Converteren eerst, graaf als tweede.
De 50 MB-lijn en het leven eronder
De limiet is van toepassing op het archief dat u uploadt, niet op de afzonderlijke bestanden daarin. Dat is meestal genereus, omdat ZIP tekstrijke formaten goed comprimeert, kan een map met Word-documenten en spreadsheets kleiner worden dramatisch, dus archieven met veel bestanden passen er vaak nog prima in.
Wat over de limiet gaat, zijn de media. Video, audio en afbeeldingen met een hoge resolutie worden nauwelijks gecomprimeerd consumeren het hele budget terwijl ze niets bijdragen aan de output. Als uw archief over de schreef gaat, strip dan die eruit en opnieuw ritsen - je verliest niets dat je zou gaan gebruiken. Echt grote documentensets in tweeën splitsen of drie archieven per map en converteer ze in volgorde.
Het andere budget dat het bekijken waard is, is de tokenteller onder de uitvoer. Vijftig documenten converteert prima en past nog steeds niet in het contextvenster van een klein model. Het nummer kennen voordat je plakt is beter dan om erachter te komen of er een fout is opgetreden, en het vertelt u of u de hele batch moet verzenden of deze in stukjes moet verwerken.
Als uw postcode echt een codeproject is
Het is de moeite waard om het duidelijk te zeggen, omdat het voortdurend ter sprake komt. Als u een repository of een bronmap hebt gecomprimeerd, wordt dit
is het verkeerde instrument. Gebruik de lokale map
omvormer in plaats daarvan leest het een map rechtstreeks van uw machine en toont u een selectievakje-structuur van het bestand
structuur, en laat u precies kiezen welke bestanden in de uitvoer terechtkomen. Dat betekent dat je kunt vallen
node_modules, artefacten bouwen en bestanden vergrendelen voordat ze je hele contextvenster opslokken,
wat niet iets is dat een blinde archiefconversie voor u kan doen.
Project al ergens gehost? Sla het zippen volledig over - de GitHub opslagplaats naar tekstconverter trekt de boom rechtstreeks vanaf de URL.
Veelgestelde vragen
Hoe converteer ik een ZIP-archief naar Markdown?
Upload het hierboven en elk ondersteund bestand binnenin wordt geconverteerd naar Markdown en samengevoegd, waarbij de mappaden van het archief als kopteksten worden bewaard. Gratis, 50 MB per archief, geen account. Het resultaat is één .md document waarin u nog kunt zien welke sectie uit welk bestand kwam.
Worden de bestandspaden koppen?
Ja, en dat is de reden om voor Markdown te kiezen platte tekst voor een archief. De inhoud van elk bestand bevindt zich onder een kop waarin het pad binnen de ZIP wordt genoemd, zodat de uitvoer navigeerbaar blijft en een model dat naar een specifiek document wordt gevraagd, het kan lokaliseren in plaats van te raden op basis van de context.
Worden geneste archieven verwerkt?
Een ZIP in een ZIP wordt behandeld als een ander ondersteund bestand en op zijn beurt uitgepakt. Handig voor export waarbij archieven per maand worden gebundeld in een jaarlijks archief. Het is de moeite waard om zeer diep nesten te vermijden: de uitvoer wordt lang en de kopniveaus bereiken een dieptepunt op zes, waarna de structuur niet meer tot uitdrukking komt.
In welke volgorde verschijnen de bestanden?
Volgorde van directory-doorloop, wat betekent dat bestanden worden gegroepeerd op map in plaats van op relevantie. Voor een archief met een betekenisvolle lay-out, dat klopt precies. Voor een platte dump van tweehonderd bestanden met gegenereerde namen is de volgorde willekeurig en zult u de uitvoer willen doorzoeken in plaats van deze van boven naar beneden te lezen.
Is er een limiet op het aantal bestanden erin?
De praktische beperking is de archieflimiet van 50 MB in plaats van het aantal bestanden, maar houd de tokenteller onder de uitvoer in de gaten. Een paar honderd documenten kunnen de meeste modelcontextvensters meerdere keren overschrijden, dus het is vaak beter om de subset die u nodig hebt te converteren dan een corpus te maken dat u nergens kunt plakken.
De rest van de gereedschapskist
File2Txt behandelt alle dertien ondersteunde formaten vanaf één plek als u liever geen pagina kiest. En de gids voor het voorbereiden van bestanden voor LLM's maakt de bredere pleidooi voor het converteren voordat u daarom vraagt.
Repo2Txt is gebouwd en onderhouden door v12hero, een onafhankelijke ontwikkelaar die native- en web-apps bouwt die privacy voorop stellen.