DOC2X使用指南

Markdown 拆分:按标题、长度或大纲分割 MD 文件

在线拆分 Markdown 与 MD 文件:按 H1/H2 标题分章、按参考长度分块,或勾选大纲提取章节。提供同源原稿、两章实际 ZIP 与下载界面,逐项核对前言、YAML、公式、代码和图片路径。

你的文件
已有 UTF-8 Markdown 文件
得到什么
分章 ZIP 或选取的 MD
实际 Markdown 拆分结果:H2 模式生成两章,保留 Frontmatter 并提供 ZIP 下载
实际 Markdown 拆分结果:H2 模式生成两章,保留 Frontmatter 并提供 ZIP 下载
本页内容

选标题或大纲,下载后核对首尾内容

  1. 选择已有 MD,确认真实标题层级与文件头。
  2. 按 H1/H2 分章,或切到单文件模式勾选大纲。
  3. 设置是否保留 Frontmatter 与文件名,点击开始拆分。
  4. 下载 ZIP 或选取的 MD,检查前言、公式、代码和文末标记,配好图片目录。
打开拆分工具,选择 MD 文件

修改规则后重新拆分。文件保存位置由浏览器决定,关闭工具前先下载。

同一份原稿,下载两章实际拆分结果

将自编 UTF-8 样稿选入已上线的 Markdown 拆分工具,选择 H2,保留 Frontmatter 后下载 ZIP。样稿含 YAML、无标题前言、两章正文、表格、多行公式与代码中的假标题;两份 MD 按顺序连接后,与本例输入的正文和换行逐字节一致。

输入 · 文件选择后的实际源码界面
Doc2X Markdown 拆分工作区显示自编原稿的 YAML、前言与标题,右侧提供拆分规则查看原图 ↗
输出 · H2 拆为两章,可下载 ZIP 或所选章节
同一自编 MD 在已上线工具按 H2 拆成两章,显示实际完成状态、章节选择与下载按钮查看原图 ↗

解压实际 H2 成品后可看到这两份文件

markdown-split-input_part-001.md
  YAML + 前言 + 总标题 + 第一章(含小节、表格、公式、代码)

markdown-split-input_part-002.md
  第二章 + images/chart.png 引用 + 全文结束标记
  1. 第一份应保留 PREFACE-KEEP-001;CODE-FENCE-KEEP-001 与代码里的 ## 不应被单独拆出。
  2. 核对表格 A=12、B=18、合计 30,以及多行公式的 $$、aligned 和换行。
  3. 第二份应保留图片引用与 DOCUMENT-END-20261010。验证包另附参考 Token 目标 100 的六份实际输出。
  4. 需要只取第二章时,可比较附带的实际章节 MD;勾选提取时文件头只写入一次。

本次核对针对实际下载的 Markdown 源码。渲染效果与相对图片仍需在目标编辑器检查;跨章脚注和引用定义不会自动复制。拆分 ZIP 只含 MD,验证包中的 input/images/chart.png 由我们另行附入,工具没有自动收集图片。

先了解这几件事

上传已有 MD 后,章节清晰的文稿先选 H1 或 H2;只取一部分时,在单文件模式展开大纲并勾选章节。点击开始拆分,再下载结果。原文前言留在第一份,文件头按开关保留;完整代码、表格和公式不会为凑长度目标而从中间切开。

选择层级
按 H2 时,H3 小节留在所属章节;代码围栏中的 # 不算标题。
前言与文件头
前言保留在第一份;YAML 可保留一次或关闭移除。
长度目标
字符与参考 Token 允许完整内容块超过目标;内容块模式按块计数。
图片资源
保留引用路径,原图与跨章引用定义需要另外检查和携带。
目标100,不是硬上限
本次长围栏完整保留为377参考Token。先在本地副本按每3条记录整理围栏,再拆出的8片为50–82;这是本样例结果,不是任意输入的硬上限保证。
同名批量来源
本轮两个notes.md结果卡都下载为B正文,A的章节未出现在这两份结果里;B仅改名为notes-b.md再对照时,两份实际ZIP才分别匹配A与B。

目标100,为什么一片仍会超过100?

2026年10月20日,将同一组24条自编虚构记录分别放在一个完整text围栏与本地手工整理的8个围栏中,以相同参考Token目标100、Frontmatter关闭,在已上线工具各拆分一次,并各下载一份原生ZIP。第一轮3份中有一份为377参考Token;人工副本第二轮8份为50–82。逐片数字来自下载后的本地完整MD计数,截图只展示实际界面。

原稿:界面显示3份结果,长围栏完整保留
真实Markdown拆分结果界面,参考Token目标100、Frontmatter关闭,可见3份结果与当前源码;截图不包含逐片Token计数查看原图 ↗
人工副本:截图可见前4份,原生ZIP核得共8份
真实Markdown拆分界面显示手工增加围栏的输入与前4份结果,参考Token目标100、Frontmatter关闭;总共8份及逐片计数由产品记录和实际ZIP核对查看原图 ↗
同一参考目标,输入结构与完整文件计数分别核对
输入与实际ZIP本地逐片参考Token本次核对
原稿:1个text围栏,1,176字节、427参考Token;实际3份MD30、377、20中间377的围栏保持完整;3份按序连接与原稿字节一致
本地人工副本:8个围栏,1,267字节、462参考Token;实际8份MD82、50、51、51、53、52、52、7124条记录文字与顺序保持;8份按序连接与人工副本字节一致

只看第3/4条记录之间:人工副本新增闭合和开启围栏

原稿中的连续摘录:
record003|item=coral|units=19|state=draft
record004|item=delta|units=20|state=draft

本地人工副本中的连续摘录:
record003|item=coral|units=19|state=draft
```

```text
record004|item=delta|units=20|state=draft
  1. 两份输入分别选入工具,设参考Token100并关闭Frontmatter,点击开始拆分后全选、批量下载。
  2. 原稿只有1个完整text围栏,包含24条虚构记录。第一轮实际3份,长围栏所在文件为377参考Token;每份MD的围栏均完整,没有为目标100从块中间切断。
  3. 人工副本在每3条记录处手工闭合、重新开启围栏并加空行,形成8个围栏。副本与原稿不同字节,总Token也不同;24条记录的原文字节与顺序保持。上方只摘录第3/4条记录边界,不是完整文件,也不单独计算摘录Token。这是事先本地整理,不是工具自动修复。
  4. 两轮原生MD分别按顺序连接,与各自对应输入逐字节一致。不能据此说人工副本与原稿本身字节相同。
  5. 逐片计数使用每份完整MD,包括围栏、前后文字与换行。两份原生ZIP保持未修改;CSV是本地核对表,JSON是本地来源与范围说明,均不是产品原生导出。
  6. 人工副本8份在本例均未超过100,不能推广成任何原稿、分词器或模型的硬上限保证。真实程序、表格和公式是否适合手工分块,应按其含义另行判断。

第一幅截图可见3份结果,第二幅只可见前4份;8份总数以产品结果及实际ZIP为准,截图不证明逐片Token数。记录是自编虚构文本,不是可执行代码。新增围栏使输入从427增至462参考Token;本次只验证这两份输入。其他模型还需重新计数,并留出提示词、请求包装与回答空间。

同名卡片不等于来源齐全:原生下载与重命名对照

2026年10月20日,将两份正文不同但都叫notes.md的自编文件放入批量H2拆分。两张完成卡均显示B29、B30,分别下载的两份ZIP也完全相同,A的章节未出现在这两份结果里。随后保留A,将B复制为内容字节相同、仅改名notes-b.md的对照;在同样参数下重新处理,两个实际ZIP分别匹配A与B。

同名轮:两份notes.md都已选入
实际Markdown批量拆分的同名输入选择,两份文件都叫notes.md;源正文由分别保存的A、B原稿核对查看原图 ↗
同名轮:两张完成卡片均显示B29、B30
同一轮实际批量结果,两张notes.md卡片都列B29和B30章节;实际ZIP来源另由下载核对,不以卡片数量确认两源齐全查看原图 ↗
改名对照:notes.md与notes-b.md
第二轮实际选入A的notes.md与B的等字节改名副本notes-b.md,拆分参数保持相同查看原图 ↗
改名对照:分别显示A17、A18与B29、B30
第二轮实际结果,notes.md卡片列A17和A18,notes-b.md卡片列B29和B30;两个原生ZIP分别核对对应来源查看原图 ↗
分别核对文件名、来源正文和实际下载内容
输入与运行实际界面原生下载核对
同名轮:A与B都叫notes.md两张完成卡都列B29、B30两个366字节ZIP完全相同,各含2份MD,按序连接均匹配B;A17、A18未出现
改名对照:A为notes.md,B副本为notes-b.md卡1列A17、A18;卡2列B29、B30366与374字节ZIP各含2份MD,分别按序连接匹配A及B副本
B与改名副本仅文件名改变,内容均124字节字节相同;改名对照没有编辑或修复正文

两轮实际下载中的来源标记,不用卡片数量代替核对

同名轮两份ZIP:
卡1 → B29、B30
卡2 → B29、B30
A17、A18在这两份下载中均未出现。

仅改名对照:
notes.md   → A17、A18
notes-b.md → B29、B30
  1. 保留两份实际原稿,先核对它们虽然同名,正文却分别有A17、A18与B29、B30标记。每份都含两个真实H2章节,没有YAML文件头。
  2. 两轮都用批量处理、按H2标题拆分、保留Frontmatter开启和相同命名模式。每轮只选入两份并开始一次,再分别点两张结果卡下载,共取得4份原生ZIP。
  3. 同名轮的两个实际ZIP字节完全相同,按序连接的正文都是B;A标记未出现。两次收到文件不能据此算作两份不同来源已保留。
  4. 改名对照只把B复制为notes-b.md,内容字节与B完全相同;第二轮实际ZIP分别匹配A和B副本。保留原稿后做的重命名准备,不是工具自动修复,也不能从缺少来源的下载中恢复原文。
  5. 解压后按来源、章节首尾、数值与顺序核对。原生ZIP保持下载字节,CSV和JSON是本地核对及范围说明;旧Token目标样例仍作为另一组实测保留。

只验证本次两份自编MD及B的等字节改名副本,两轮实际下载按来源分别核对。本轮没有修复产品,也不把重命名说成已缺失正文的恢复方法;其他文件、命名规则和批量情形需另验。

按材料结构选择拆分规则

按材料结构选择拆分规则
你的目标选择下载后检查
每个二级标题独立成章H2 标题第一份前言、H3 小节与每章末尾
只保留某一章单文件处理 → 按大纲提取是否只含选中章节;是否需要原文文件头
控制阅读片段的大致长度按字符或参考 Token完整代码、表格、公式可能超过目标
每份保留一定数量的内容块按内容块标题、段落、表格、代码块等分别计数

H1、H2 与代码里的标题怎样区分

例如文稿用 # 课程笔记作总标题,## 第一章、## 第二章作章节,选择 H2 后按二级标题分章。第一份仍包含总标题前的前言;### 小节随章节保留。加粗的章节名不等于标题,代码围栏中演示的 ## 也不会成为新章节。先在源码里确认结构,再检查结果数量。

前言与 YAML 文件头分别保留

标题前的正文留在第一份结果。开启保留 Frontmatter 时,原始 YAML 文件头只进入第一份输出,关闭后移除文件头而保留正文前言。用大纲或勾选结果提取后一章时,可以把原文文件头带入第一份选中输出;直接导出则保存当前预览的分片内容。

ZIP、单个 MD 与文件名分别核对

批量处理里的下载拆分文件取得全部结果 ZIP;下载选中章节取得一份组合 MD。单文件处理里,勾选结果后批量下载 ZIP,或点选一份结果再导出当前预览。命名模式中 base 代表原文件名,001 代表序号;下载后解压,核对文件数量、排序与每份首尾。

按长度拆分,允许完整内容块超过目标

字符与参考 Token 用于设置大致长度。若一个代码块、表格、多行公式或段落本身已超过目标,会完整保留。按内容块则把标题、段落、表格、代码块等各计一块。参考 Token 使用 cl100k_base;送入其他模型前,应按目标模型重新计数,并留出提示词与回答空间。

图片与跨章引用要随文件一起整理

分章会保留 images/chart.png 这类路径,但不会自动下载原图或把图片收进 ZIP。解压后,把原图片放在相对路径对应的位置。脚注或引用的定义位于另一章时,需把所需定义一并带入;原稿中的跨章链接也应在目标编辑器逐个核对。

链接或脚注留在别章,下载后逐章检查

新增同源实测说明:两章接回去与原稿字节相同,第一章独立解释仍缺引用定义。关联指南提供原生ZIP和明确标注的本地修复副本,也区分本工具分段预览的作用域限制。

目标100仍会超出,先检查完整代码块

参考Token目标决定如何组合完整内容块,不会把一个过长的代码块强行截成100个Token。本例24条虚构记录放在同一text围栏中,下载后该片为377参考Token。我们保留原稿,在本地副本每3条记录处手工闭合、重新开启围栏并加空行,再按相同目标拆分;8份实际MD的本地参考计数为50–82。副本增加91字节,输入总数从427变为462参考Token,记录文字与顺序保持;这不是工具自动修复。需要更短时,先按内容意义整理可独立阅读的边界,再核对每份完整下载文件。送往其他模型前,应按目标模型计数,并留出提示词、请求包装和回答空间。

同名文件批量拆分,下载后按正文核对来源

两个结果卡片、两次下载,不等于两份来源都已分别保留。操作前先保存原稿,给来源清楚且有区别的文件名;处理后分别下载,核对章节首尾标记和原文,不只看文件名、结果卡数量或完成提示。重命名对照只改文件名,不改正文,也不代表工具自动修复或能恢复已经缺失的原文。

详细操作教程

遇到这些情况

结果数量与预期不符
检查选中的 H1/H2 是否与源码一致;加粗文字和代码块内的 # 不作为章节标题。
修改参数后旧结果消失
按新规则重新点击开始拆分,再下载对应结果。
某份超过目标 Token 或字符数
检查是否包含较长的完整内容块。需要更短时,在保留含义与结构的前提下手工整理原稿后再拆。
分片中的图片或脚注失效
补齐对应图片目录与必要的引用定义,并在目标编辑器检查链接。

常见问题

MD 分割就是添加 --- 分隔线吗?

分隔线通常只改变文档中的显示分隔。要取得多个 MD 文件,需要选择拆分规则并下载结果;本工具不把任意分隔线当作自定义切点。

拆分会把代码中的 ## 当成标题吗?

代码围栏中的标题写法保留在代码内,不作为章节边界。可用本页包含假标题的真实样稿检查。

拆分 ZIP 会带上图片吗?

不会自动收集图片。它保存拆分后的 Markdown 文本,图片引用仍依赖原资源;验证包中的配图是单独附上的输入资源。

分块后就能直接成为完整知识库吗?

分块只是准备语料的一步。还需保留来源、检查章节上下文、使用目标模型计数,并在自己的系统中建立索引与检索流程。

可以直接拆 PDF 吗?

本工具处理 Markdown。按 PDF 页码分割请使用 PDF 切分;需要按正文标题整理时,先把 PDF 解析为 MD,再核对结构。

Markdown参考Token目标100为什么仍超过100?

100是组合完整内容块时的参考目标。本例原稿拆为3份,完整文件的本地参考计数为30、377、20;中间的长text围栏包含全部24条记录,工具将它完整保留。应检查实际下载内容,不能把目标参数当作每片100的硬性保证。

MD按Token拆分会截断代码块吗?

本次原生下载保留完整围栏,没有为了凑100从长块中间截开;长块本身为377参考Token。对于必须保持为一体的程序、表格或公式,不应为了数字机械插入切点。本例围栏里是虚构文本记录,不是可执行程序。

Markdown长代码块怎样手工拆成小块?

保留原稿,在可独立阅读的语义边界上手工闭合并重新开启围栏,再把本地副本重新选入工具。本例每3条虚构记录分成一个text围栏,共8个,记录文字与顺序未改;实际8片为82、50、51、51、53、52、52、71参考Token。这是人工整理后的本样例结果,不是自动修复或任意输入的100硬上限。

Markdown拆分后怎样核对每片Token?

下载ZIP后逐份计算实际MD的完整内容,包括围栏、首尾与换行。本页用与工具一致的@dqbd/tiktoken 1.0.22、cl100k_base及encoding.encode(text).length进行本地核对,CSV是本地记录,不是产品原生导出。不同模型和请求包装可能改变总量,使用前还应按目标模型重新核对。

Markdown批量拆分同名文件会覆盖结果吗?

本轮同名对照中,两份输入都叫notes.md,两张结果卡都显示B29、B30;分别下载的两个ZIP也完全相同,内容都匹配B,A17、A18未出现在这两份下载里。这个具体结果不能推广为所有批量文件;不要只凭卡片完成状态确认来源齐全。

MD批量拆分只显示一份结果怎么办?

先保留实际输入与已经下载的文件,分别核对来源标记、章节标题和全文。结果卡数量不是原文覆盖证明;需要重试时,在原稿副本中使用不同文件名,并再次核对最终下载内容。本例两张卡仍各能下载,但同名轮的两份实际内容都属于B;先核对正文来源。

Markdown拆分多个文件怎样核对来源?

给每份原稿保留可追踪的来源标记或清楚的文件名,处理后逐份检查下载ZIP里的成员、章节首尾与全文。相同文件名或相同输出名都不能替代内容核对;已保存原稿是确认来源的依据。

MD拆分前重命名怎样保留原文对照?

保留原始文件,另复制一份只改文件名;记录新旧文件名与内容字节的对应关系,再放入同一参数的批量流程。本例重命名B的对照内容必须与原B一致,不能把顺手改写正文当作只改名字的实测。

内容核对:2026-10-20 · 功能条件与配额以当前产品界面为准