# ptm - PDF to Markdown Converter

一个简单易用的命令行 PDF 转 Markdown 工具。

## ✨ 功能特性

- 📄 **PDF 文本提取**: 从 PDF 文件中提取纯文本内容
- 📝 **Markdown 转换**: 将提取的文本转换为 Markdown 格式
- 💾 **灵活输出**: 支持原地生成或指定输出路径
- 📋 **剪贴板支持**: 可直接复制生成的 Markdown 到剪贴板

## 📦 安装

### 从源码编译

```bash
cd ptm
cargo build --release
```

### 全局安装

```bash
cargo install --path . --force
```

安装后可直接使用 `ptm` 命令。

## 🚀 使用方法

**基本格式:**
```bash
ptm <PDF文件> [选项]
```

### 命令示例

#### 1. 基本用法（原地生成）

```bash
# 将 test.pdf 转换为 test.md（同一目录）
ptm test.pdf
```

#### 2. 指定输出路径

```bash
# 输出到指定位置
ptm test.pdf -o output/result.md

# 使用完整路径
ptm document.pdf -o C:\Users\macro\Documents\notes.md
```

#### 3. 复制到剪贴板

```bash
# 转换并复制到剪贴板
ptm test.pdf -v

# 指定输出并复制
ptm test.pdf -o result.md -v
```

### 参数说明

| 参数 | 说明 | 示例 |
|------|------|------|
| `<INPUT>` | PDF 文件路径（必需） | `test.pdf` |
| `-o, --output` | 输出文件路径（可选，默认与输入同名） | `-o result.md` |
| `-v, --verbose` | 复制内容到剪贴板 | `-v` |
| `-h, --help` | 显示帮助信息 | `-h` |
| `-V, --version` | 显示版本信息 | `-V` |

## 💡 使用场景

### 场景 1: 快速转换 PDF

```bash
ptm report.pdf
# 生成 report.md
```

### 场景 2: 批量处理

```powershell
# PowerShell 批量转换
Get-ChildItem *.pdf | ForEach-Object {
    ptm $_.FullName
}
```

### 场景 3: 转换后直接粘贴

```bash
ptm article.pdf -v
# 现在可以直接在编辑器中 Ctrl+V 粘贴
```

### 场景 4: 自定义输出位置

```bash
ptm book.pdf -o notes/book-chapter1.md
```

## 📊 工作原理

1. **读取 PDF**: 使用 `pdf-extract` 库解析 PDF 文件
2. **提取文本**: 提取 PDF 中的所有文本内容
3. **格式转换**: 
   - 清理多余空行
   - 保留段落结构
   - 转换为纯文本 Markdown
4. **写入文件**: 保存为 `.md` 文件
5. **可选复制**: 如指定 `-v`,复制到剪贴板

## ⚠️ 注意事项

1. **文本型 PDF**: 仅支持包含文本层的 PDF，扫描版 PDF 需要 OCR 处理
2. **格式限制**: 当前版本主要提取纯文本，复杂格式（表格、图片）可能需要手动调整
3. **编码支持**: 支持 UTF-8 编码，包括中文等多语言内容
4. **文件大小**: 大文件可能需要较长时间处理

## 🔧 技术细节

### 依赖库

- **pdf-extract**: PDF 文本提取库
- **clap**: 命令行参数解析
- **clipboard-win**: Windows 剪贴板操作
- **thiserror**: 错误处理

### 转换逻辑

当前的 Markdown 转换采用简化策略：
- 保留原始段落结构
- 合并连续空行为单个空行
- 去除每行首尾空白
- 不尝试识别标题层级（需要更复杂的字体分析）

## 🎯 未来改进方向

- [ ] 智能识别标题层级（基于字体大小）
- [ ] 支持列表和表格转换
- [ ] 支持图片提取
- [ ] 更好的段落检测
- [ ] 支持 OCR 处理扫描版 PDF
- [ ] 批量处理模式
- [ ] 支持更多输出格式（HTML, TXT 等）

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

## 📄 许可证

本项目采用 MIT 许可证。

## 🙏 致谢

感谢以下开源项目：
- [pdf-extract](https://github.com/pdf-extract/pdf-extract-rs) - PDF 文本提取库
- [clap](https://github.com/clap-rs/clap) - 命令行参数解析库
- [clipboard-win](https://github.com/DoumanAsh/clipboard-win) - Windows 剪贴板库

---

**Made with ❤️ using Rust**