Poor Markdown conversion quality for academic paper

Abierto
  • ¿Algo no está bien?
#2,226 2 comentarios 1 reacción 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

@eslam-ahmed43 ya está trabajando en esto.

Desde el 26/7/2026.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
38/100
Tipo de issue
Error
Claridad
Necesita aclaración
Estado de actividad
Tranquilo
Stack tecnológico
markdown, python
Área
content

Línea de trabajo

Comienza reproduciendo la conversión usando el PDF de AutoSOTA enlazado y compara el resultado con AutoSOTA.md. Investiga la ruta de conversión responsable del orden de lectura, los encabezados, las ecuaciones, las tablas, las figuras y el contenido en varias columnas; se considera completado cuando el problema se haya resuelto con una estructura mejorada o se haya documentado como una limitación establecida.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

Description

I used MarkItDown to convert the following paper from PDF to Markdown:

However, the generated Markdown has very poor formatting and structure. For example, the reading order, headings, equations, tables, and multi-column content are not preserved correctly, making the output difficult to read and use.

Is this an expected limitation when converting academic papers with complex layouts, or could this indicate an issue with the conversion process?

Expected behavior

The converted Markdown should preserve the document structure and reading order as accurately as possible, including:

  • Section headings
  • Paragraph order
  • Mathematical equations
  • Tables and figures
  • Multi-column layouts
Actual behavior

The generated Markdown contains significant formatting and structural issues, resulting in content that is difficult to read.

Lenguaje dominante
Python
Estrellas
194k
Forks
14.5k
Merge medio
1 h 43 min
PR fusionados (30 d)
8

Preparar el entorno

Abrir en Codespaces

Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.

  • Incluye un Dockerfile o un archivo de Docker Compose
  • Sin plantilla de pull request
  • Sin guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de microsoft/markitdown

Todos los issues de microsoft/markitdown

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.