Poor Markdown conversion quality for academic paper
メンテナーはふだん 1 日以内に返信
@eslam-ahmed43 がすでに取り組んでいます。
2026年7月26日 から。
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 38/100
調査の方向性
まず、リンクされた AutoSOTA PDF を使って変換を再現し、その結果を AutoSOTA.md と比較します。読み取り順、見出し、数式、表、図、複数列コンテンツを処理する変換経路を調査します。構造の改善によって問題が解決されるか、既知の制限として文書化されれば完了です。
索引モデルが issue の本文から書いたものです。
説明
Description
I used MarkItDown to convert the following paper from PDF to Markdown:
- PDF: [AutoSOTA](https://arxiv.org/pdf/2604.05550)
- Converted Markdown: [AutoSOTA.md](https://github.com/user-attachments/files/30193595/AutoSOTA.md)
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.
- 主要言語
- Python
- スター
- 194k
- フォーク
- 14.5k
- 平均マージ
- 1時間 43分
- マージ済み PR（30日）
- 8
環境構築
このプロジェクトの開発コンテナを、あなたの GitHub アカウントでブラウザ上に起動します。
- Dockerfile または Docker Compose ファイルあり
- プルリクエストのテンプレートなし
- コントリビューションガイドなし
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
microsoft/markitdown のほかの issue
-
DOCX: math pre-processing re-parses every document.xml even without equations (32 s -> 17.5 s on a 12.5 MB document)対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープン
難易度 1/5 1時間未満 初心者へのやさしさ 89/100
microsoft/markitdown#2834 ·
メンテナーはふだん 1 日以内に返信
-
URL fetch sends default python-requests User-Agent, Wikipedia returns 403対応中かも @sushan5140 が 5 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
microsoft/markitdown#2820 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
Valid Atom feeds with zero entries are rejected as an unknown feed type対応中かも @pujitha24 が 11 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
microsoft/markitdown#2781 ·
メンテナーはふだん 1 日以内に返信
-
DOCX: footnote references and back-links point to anchors that don't exist in the Markdown対応中かも @sun04222 が 15 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100
microsoft/markitdown#2743 ·
メンテナーはふだん 1 日以内に返信
-
DOCX math: a delimiter with several arguments keeps only the last one対応中かも @drakeo338 が 38 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 86/100
microsoft/markitdown#2573 ·
メンテナーはふだん 1 日以内に返信
microsoft/markitdown の issue をすべて見る
似ている issue
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 74/100
igormcsouza/tether#278 ·
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 91/100
aws-samples/sample-per-model-bedrock#803 ·
メンテナーはふだん 1 日以内に返信
-
documentation p1
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
huggingface/accelerate#4511 ·
メンテナーはふだん 1 日以内に返信
-
follow-up
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
メンテナーはふだん 1 日以内に返信