複数のPDFをMarkdownへ一括変換する方法

1つのPDFをMarkdownに変換するだけなら、それほど難しくありません。しかし、マニュアル、調査資料、社内規程、顧客向けレポートなどがフォルダ単位で保存されている場合、ファイルを1つずつ処理する方法では時間がかかります。

この記事では、Markitdown Onlineを使って複数のPDFをMarkdownへ一括変換する流れを解説します。変換前の準備から、表やOCRテキストの確認、完成した.mdファイルの整理まで、ドキュメントサイト、Git、AIアシスタント、ナレッジベースで再利用しやすい形にするための実践的なガイドです。

目的は、PDFの見た目をそのまま再現することではありません。Markdownでは、すべてのページレイアウトや装飾を表現できないためです。一括変換で優先すべきなのは、内容、読み順、見出し、リスト、表などの意味のある構造を保つことです。

PDFをMarkdownへ一括変換するメリット

複数ファイルの変換は、次のような作業で特に役立ちます。

製品マニュアルをドキュメントサイトへ移行する。
論文や研究資料を検索・分析しやすくする。
社内規程をナレッジベースへ登録する。
過去の報告書を全文検索できる形で保管する。
ChatGPT、Claude、Gemini、RAGシステム向けの資料を準備する。
顧客資料をGitなどでバージョン管理する。

PDFを1件ずつアップロードして変換し、ダウンロードする方法では、同じ操作を何度も繰り返すことになります。一括処理なら手作業を減らせるだけでなく、命名、確認、保存のルールをファイル全体で統一できます。

Markdownはプレーンテキストなので、専用のPDFビューアがなくても見出し、段落、リスト、リンク、簡単な表を読めます。Git上で変更点を比較しやすいことも、継続的に更新する文書では大きな利点です。

変換前に確認しておくこと

PDFはすべて同じ方法で作られているわけではありません。大量のファイルを処理する前に、代表的な文書を数件確認しましょう。

| PDFの種類 | 見分け方 | 主な確認ポイント | |---|---|---| | テキストPDF | 文字を選択してコピーできる | 段組み、読み順、繰り返されるヘッダー | | スキャンPDF | 各ページが画像のように扱われる | OCRの誤認識、文字の欠落 | | 混在PDF | テキストページと画像ページが混在する | ページごとの出力差 | | 表が多いPDF | 情報の多くが行と列で構成される | セルの分割、値のずれ | | デザイン重視のPDF | テキストボックスやサイドバーが多い | 読み順の崩れ | | 保護されたPDF | パスワードや抽出制限が設定されている | 権限がなければ変換できない |

構造が大きく異なるPDFは、別のバッチに分けるのが安全です。たとえば、テキスト中心の報告書とスキャンされた請求書は分けて処理すると、それぞれに適した確認ができます。

すべてのファイルが正常に開くこと、名前が重複していないこと、現在のファイルサイズとバッチ数の上限に収まっていることも確認してください。パスワード保護を解除するのは、正当な権限がある場合に限ります。機密文書には、組織の情報管理ルールが引き続き適用されます。

Markitdown OnlineでPDFを一括変換する手順

Markitdown Onlineでは、ブラウザ上で複数のファイルを選択し、順番にMarkdownへ変換できます。

1. PDFを整理する。 同じプロジェクトのファイルを専用フォルダへまとめます。scan001.pdfやfinal-new.pdfのような曖昧な名前は、security-policy-2026.pdfのように内容が分かる名前へ変更しましょう。順序が必要なら、01-、02-、03-のような接頭辞を付けます。

2. 変換ツールを開く。 最新のブラウザでMarkitdown OnlineのPDF to Markdown変換ツールを開きます。ソフトウェアのインストールは不要です。ローカルファイルの変換はブラウザ内で処理され、ファイルはサーバーへアップロードされません。ただし、利用端末が文書の取り扱いルールを満たしているかは別途確認してください。

3. 複数のPDFを選択する。 アップロード領域から複数ファイルを選ぶか、まとめてドラッグ＆ドロップします。現在のバッチ上限を超える場合は、フォルダを番号付きのグループに分割します。

4. 一括変換を開始する。 処理が完了するまでタブを閉じないでください。所要時間は、ファイル数、容量、ページ数、レイアウト、OCRの有無、端末性能によって変わります。大きなスキャンPDFは、テキストPDFより多くの処理時間を必要とします。

5. プレビューを確認する。 各ファイルについて、タイトル、最初の見出し、段組みのあるページ、表、リスト、スキャンページを確認します。問題のあるPDFはバッチから切り分けて、個別に見直すと原因を特定しやすくなります。

6. Markdownを保存する。 .mdファイルと元のPDFの対応関係を維持したまま保存します。すべての変換結果が確認・承認されるまで、元のPDFを削除しないでください。

変換後のMarkdownを確認する

Markdownファイルが生成されても、変換作業が完了したとは限りません。複雑なレイアウト、埋め込みフォント、不規則な表、スキャン画像では、抽出結果に誤りが生じることがあります。

見出し構造を確認する。 通常は文書タイトルにH1を1つ使い、主要な章にH2、必要な場合だけ小見出しにH3を使います。見出しが通常の段落になっていないか、逆に大きな文字が誤って見出しとして扱われていないかを確認します。

読み順を確認する。 数段落を続けて読み、元のPDFと比較します。2段組みでは左右の行が混ざることがあります。サイドバー、脚注、図のキャプション、ヘッダー、フッターが本文の途中へ入っていないかも確認してください。

表とリストを確認する。 表の見出しと値の対応が正しいか、改ページで行が消えていないかを確認します。結合セルを多用した表はMarkdownで忠実に表現できない場合があります。誤解を招く表を残すより、項目名付きのリストへ整理する方が適切です。

OCRテキストを確認する。 認識精度は、解像度、コントラスト、ページの傾き、言語、書体に左右されます。人名、日付、金額、専門用語、識別番号は特に注意して照合してください。英数字では0とO、1とIやlの誤認識がよくあります。

法律、医療、金融、コンプライアンスに関わる文書では、専門知識を持つ人による確認が必要です。一括変換は書式作業を減らしますが、内容の正しさを保証する手続きの代わりにはなりません。

変換したファイルを整理する方法

元のPDFと出力先のMarkdownには、同じベース名を使います。

pdf-migration/
  source-pdf/
    employee-handbook-2026.pdf
    security-policy-2026.pdf
  markdown/
    employee-handbook-2026.md
    security-policy-2026.md
  review-notes/
    conversion-log.md

原則として、1つの元文書に対して1つのMarkdownファイルを作ります。更新、検索、分割、出典確認がしやすくなるためです。ナレッジベースで継続管理する場合は、元ファイル名、変換日、担当者、確認状況などのメタデータを追加してもよいでしょう。

ファイル数が多い場合は、簡単な変換記録を残します。承認済みのファイル、手動で修正した表、OCRの再確認が必要なページを記録しておくと、作業の重複や見落としを防げます。

一括変換で起きやすい問題

Markdownが空になる。 PDFがスキャン画像のみで構成されている、破損している、保護されているといった可能性があります。単独で開き、ページが読めることを確認してからOCRを試してください。

ブラウザの動作が遅くなる。 1回のファイル数を減らし、負荷の高いタブを閉じ、大きなスキャン文書は個別に処理します。ブラウザ内OCRは、テキスト抽出より端末のリソースを多く使います。

同じ文字が何度も現れる。 意味のないヘッダー、フッター、ページ番号、透かしは削除します。引用や照合に必要な場合だけページ情報を残します。

表の構造が崩れる。 重要な表は必ず元のPDFと比較してください。不規則なデータでは、Markdown表よりも構造化リストや別のCSVの方が安全です。

元ファイルとの対応が分からなくなる。 変換前にPDFを分かりやすく命名し、出力される.mdにも同じベース名を使います。

オンライン変換よりスクリプトが向くケース

Markitdown Onlineは、環境構築やコマンド操作をせずに複数PDFを変換したい場合に便利です。一方、何千件ものPDFを定期的に処理する、独自のクリーンアップ処理を適用する、機械可読なログや自動再試行が必要といった場合は、ローカルスクリプトや自動化パイプラインが適しています。

組織の方針によって、管理されたオフライン環境が必要な場合もあります。文書数、実行頻度、保守コスト、セキュリティ要件に合う最もシンプルな方法を選びましょう。

一括変換のチェックリスト

変換前：

PDFをプロジェクトと種類ごとに分ける。
権限、保護設定、サイズ上限を確認する。
ファイル名を分かりやすく統一する。
スキャンPDFとテキストPDFを分ける。

変換中：

複数PDFを同じバッチで選択する。
完了までブラウザのタブを開いておく。
見出し、段組み、表、リスト、OCRページを確認する。
問題のあるファイルを個別に再処理する。

変換後：

各.mdを元のPDFと対応させる。
読み順、表、OCRテキストを照合する。
確認状況と未解決の問題を記録する。
承認が完了するまで元のPDFを保管する。

まとめ

複数のPDFをMarkdownへ効率よく一括変換するには、ファイルをまとめて処理するだけでなく、共通の確認手順を用意することが重要です。似た文書を同じグループに分け、変換後に段組み、表、OCRなどのリスクが高い箇所を重点的に確認しましょう。

Markitdown Onlineなら、ソフトウェアをインストールせずにブラウザから一括変換を始められます。確認済みのMarkdownは、ドキュメント、Git、AIアシスタント、検索システムなどで再利用できます。AI向けの準備については、PDFをAI向けMarkdownへ変換する方法も参考にしてください。