图片转 Markdown：当你拍下的东西"长什么样"也很重要时
有些图片就是图片。另一些其实是被困在图片里的文档——别人拍照发来的发票、你从一份永远拿不到原件的 幻灯片里截下的一页、手工填写的表单、桌上摊开的一页书、写满了某个再没人记录过的决定的白板。这些图片 里的文字才是重点，文字的排布同样是重点。
把它传上来，文字会被识别出来，以 Markdown 的形式交还给你。是真正跑在像素上的光学字符识别。一张拍照 的发票转回来带着发票号、公司名、日期、每一条明细及金额，还有合计——是真实内容，不是对图片的描述。 JPG、JPEG、PNG、GIF、BMP、TIFF、TIF 和 WebP 都支持。免费、免注册、单文件 50 MB，转换结束后什么 都不留。
你拿回来的，精确说是什么
输出就是识别出的文字，别无其他。没有相机参数、没有文件属性、没有一段要先滚过去才能到正文的技术 开场白。你上传一张文档的照片，拿到的就是文档的文字。如果你期待的是一段描述图片本身的头信息，那不是 它干的事——它读的是图片里面的东西。
识别质量跟着图片质量走，这是最诚实的说法。清晰的截图或干净的导出图读得非常好。匆忙斜拍的笔记本 屏幕、上面还映着一个窗口的照片，就是更难的问题，偶尔会认错字符。手写、花体和装饰性字体，以及叠在 杂乱背景上的文字，都是实打实的难点。这些不会让工具在烂图上变得没用——只是意味着输出该读一遍， 而不是想当然。
Markdown 还是纯文本？真正的区别
这是多数转换器页面不会告诉你的：对简单图片——一段文字的截图、一张手写便条的照片、一块招牌—— Markdown 和纯文本给你的结果基本相同。识别出的文字按行返回，一段散文里没有什么结构是 Markdown 能表示 而纯文本会丢的。简单图片就算选"错"了，你也毫无损失。
选择开始起作用，是在画面里的东西有"形状"的时候。一张表格、带标签和取值的表单、按列排着品项和价格的 收据、有标题分节的文档页。这才是 Markdown 挣得一席之地的地方，因为竖线和井号能承载纯文本只能靠空格 暗示的网格和层级。你想把截图转成 Markdown 表格的话，这个页面就是为你准备的。只需要 文字去填搜索框的话，图片转文字 是兄弟页面，简单的活儿配简单的工具。
顶部的格式切换按钮能在两种格式间来回切，并把你已经选好的文件一起带过去——同一张图两种方式各跑 一遍，眼见为实，不用光听我说。
值得把镜头对准的东西
- 发票和收据。经典场景。供应商发来的是发票照片而不是文件，你需要把明细放进一个 能算数的地方。转换，对着图核一遍合计，贴进表格，或者把 Markdown 交给模型让它逐项拆。
- 表单和申请表。填好的印刷表单会转成真正可用的"标签—取值"对。打印填写的比手写的 识别得好得多——扫两百份之前值得知道这一点。
- 只有图片版的幻灯片。会场里拍的一页 slide，或者录播讲座的截图。手上有原始文件的话， 请改用PowerPoint 转 Markdown—— 永远优先选源头。没有的时候，这就是把内容取出来的办法。
- 书页和文章页。你想引用、总结或者反驳的一页书的照片。标题和分段能活着走完全程， 结果是可读的文章而不是一堵墙。
- 白板和挂纸板。正对着拍、光线过得去、字迹清楚，就能得到一份可用的会议记录。 歪着拍的抖动马克笔字迹只能得到半份。但还是比你自己誊一遍快。
- 截图形式的仪表盘和报表。网格里的数字变成可以和上个月对比的表格。底层数据有文件 版的话，Excel 转 Markdown 或 CSV 转 Markdown 会碾压任何 OCR——因为什么都不用猜。
容器法则：帮你省下一次注定失败的上传
这部分值得刻进脑子里，因为它一次性解释了三个各自独立的"意外"。这里的 OCR 跑在你上传的图片文件上， 不跑在包在其他文件里的图片上。图片只是搭在更大容器里的乘客时，被读的是容器，图片会被跳过。
- 扫描版 PDF 转出来是空的。本质是纸张照片的 PDF 里面没有文字，OCR 也不会穿过 PDF 外壳伸进去。先对它执行"识别文本"——Acrobat、macOS 的"预览"和多数现代 PDF 阅读器都有——把它变成 可检索的 PDF，然后走 PDF 转 Markdown 或 PDF 转文本。一分钟的绕路， 却是扫描文档的正道。
- ZIP 里的图片不会被识别。压缩包转换列出图片文件名就往下走了。 ZIP 转 Markdown 处理一文件夹的文档和表格非常好用；文档的照片请解压出来，一张一张单独上传。
- 嵌在 Word、PowerPoint、RTF、EPUB 或邮件里的图片同样不会被识别。它们在输出里 只是一个图片占位符，不是文字。所以一份用截图拼成的 DOCX 走 Word 转 Markdown， 得到的是周围的文字加一串窟窿。把图片从文档里取出来，以图片文件的身份到这里转。
一句话版本：你要的字在图片里，那你上传的文件就必须是图片本身。
难搞的图片，怎么读得更准
- 只要有得选，就截屏而不是拍屏。截图对比度完美、无反光、无梯形畸变、无手抖。这是你手上最大的一项 质量杠杆。
- 裁剪到只剩文字。一张宽照片里只占五分之一的表格，每个字符的像素比占满画面的同一张表少得多， 结果上看得出来。
- 图片摆正、正对拍摄。斜着拍页面会把文字行拍弯，弯的行更难切分成表格行——而这恰恰对你来转的表格 影响最大。
- 光打匀。收据中间一道硬阴影、过塑表单上一块反光，盖住哪里哪里就没了。
- 依赖输出之前先读一遍。数字是错了最疼的地方，合计和编号要对着图核。输出下方的 token 计数器会告诉 你即将贴给模型的量有多大，把好几页叠进一个提示词时很有用。
常见问题
怎么把图片转成 Markdown？
把图片传到上方，识别出的文字会带着 Markdown 结构返回。支持 JPG、JPEG、PNG、GIF、BMP、TIFF、TIF 和 WebP，上限 50 MB，免费且无需账号。输出是 .md，可以直接贴进 README、文档站点或模型提示词。
对图片来说，Markdown 什么时候真的比纯文本好？
画面有"形状"的时候。一段文字的截图两种方式转出来一模一样——散文里没有隐藏结构可供 Markdown 标注。但一张表格、一份表单、一个价格网格或一页带标题的文档，其排布值得保留，而只有 Markdown 能承载。平铺的散文选图片转文字更简单。
截图里的表格能识别出来吗？
它会尝试输出竖线表格，效果跟着原图的整洁程度走。带可见网格线、列距一致的真实表格截图，通常能正确重建。只靠大段空白分列，或者单元格折成两行的表格，列边界就会被猜错——信数字之前先核一下表头那行。
代码截图能处理吗？
字符能出来，但结果只能当草稿。OCR 没有语法概念，把源码里的 O 认成 0、把 Python 代码块弄丢一级缩进，它都不会察觉。拿来搜一段堆栈信息没问题；直接贴进文件里运行就不行了。
图片本身会被嵌进 Markdown 吗？
不会——输出是图片里找到的文字，不是指向图片的  引用。不会往任何 CDN 上传东西，也不会生成图片链接，所以这份 Markdown 是自包含的纯文本，没有任何外部依赖。
工具箱里的其他家伙
图片只是这里支持的十三种格式之一。不想先挑页面的话， File2Txt 什么都收。代码这边有 GitHub 仓库转文本工具，还有处理你本机 文件夹的本地目录转换器； 为 LLM 准备文件的指南 把通用场景讲得更深。
Repo2Txt 由 v12hero 开发和维护，那是一位独立开发者，专做隐私优先的原生应用和 Web 应用。