Tệp Markdown: văn bản thuần theo quy ước, và có nhiều hơn một quy ước

Điều phức tạp là không có một Markdown duy nhất. Bản cài đặt gốc năm 2004 để ngỏ rất nhiều trường hợp, nên mỗi trình hiển thị tự giải quyết theo cách riêng; CommonMark ra đời để chốt lại những chỗ mơ hồ đó, và GitHub Flavored Markdown xây thêm bảng, danh sách việc cần làm và gạch ngang chữ lên trên nó. Tình trạng này được thừa nhận chính thức: khi text/markdown được đăng ký làm kiểu phương tiện trong RFC 7763 vào tháng 3 năm 2016, bản đăng ký có cả một tham số variant, chính vì nói một tệp là Markdown chưa cho biết đó là Markdown nào. Thứ trang này xuất ra là text/markdown với UTF-8, và chỉ dùng những cấu trúc mà mọi phương ngữ đều đồng ý — tiêu đề bằng dấu thăng, đoạn văn ngăn bằng dòng trống, gạch đầu dòng bằng dấu gạch nối và đường kẻ ngang.

Chuyển PDF sang Markdown nghĩa là chế tạo ra cấu trúc mà PDF chưa từng có. PDF ghi lại cỡ chữ chứ không ghi tiêu đề, nên các cỡ chữ trên trang được xếp hạng và sáu cỡ lớn nhất trở thành sáu cấp tiêu đề; một dòng chỉ cần lớn hơn chữ thân bài là thành tiêu đề, dù tác giả có coi nó là tiêu đề hay không. Danh sách còn khó hơn: PDF hoàn toàn không có cấu trúc danh sách, và dấu đầu dòng bạn thấy thực chất là một ký tự trong văn bản, nên cách duy nhất để danh sách sống sót là nhận ra ký tự đó và viết lại thành dấu gạch nối. Các mục đánh số thì không cần giúp như vậy — “1. ” và “1) ” vốn đã là Markdown, và vốn đã mang nghĩa danh sách.

Có hai chi tiết đáng biết vì chúng làm thay đổi chính văn bản. Dòng kết thúc bằng dấu gạch nối được coi là một từ bị ngắt qua chỗ xuống dòng và được nối lại không có dấu đó; còn các dòng liên tiếp bằng tiếng Trung hay tiếng Nhật được nối mà không có dấu cách ở giữa, vì những hệ chữ đó không đặt dấu cách. Các trang được ngăn bằng một đường kẻ ngang, nên tài liệu mười ba trang sẽ có mười hai đường như vậy. Nếu PDF là bản quét không có lớp chữ, cùng mô hình nhận dạng dùng cho PDF sang Word sẽ đọc ký tự từ ảnh các trang trước, ngay trên máy của bạn.