opendataloader-pdf

AI 資料就緒的 PDF 解析器。自動化 PDF 無障礙存取。開源。

opendataloader-pdf 是什麼?

AI 資料就緒的 PDF 解析器。自動化 PDF 無障礙存取。開源。

opendataloader-pdf 概覽

這是什麼

OpenDataLoader PDF 是一個開源的 PDF 解析器,專為 AI 資料萃取與 PDF 無障礙自動化而設計。它能從 PDF 中萃取出 Markdown、JSON(含邊界框)與 HTML。提供確定性本地模式與 AI 混合模式,以處理複雜頁面。此外,它還能自動標記未標記的 PDF,將其轉換為螢幕閱讀器可用的標記 PDF。

主要功能

  • 萃取文字、表格、圖片、公式與標題,並保留正確的閱讀順序與邊界框 - 混合模式結合確定性本地解析與 AI 後端,處理掃描 PDF、無邊框表格、圖表與公式 - 內建 OCR,支援 80 種以上語言(混合模式) - 自動標記未標記的 PDF 為標記 PDF(Apache 2.0,無需專有 SDK) - 輸出結構化的 Markdown、含邊界框的 JSON 與 HTML - 在基準測試中整體準確率 0.907,表格準確率 0.928,排名第一 - 提供 Python、Node.js、Java SDK

使用情境

  • 從 PDF 中萃取 AI 資料,用於 RAG 流程、文件分析與結構化資料生成 - 透過自動標記未標記的 PDF,滿足無障礙法規(EAA、ADA、Section 508) - 處理複雜 PDF,包括多欄版面、掃描文件、數學公式與圖表 - 批次將 PDF 轉換為 Markdown/JSON,供後續分塊與索引使用

快速開始

bash pip install -U opendataloader-pdf python import opendataloader_pdf opendataloader_pdf.convert( input_path=[“file1.pdf”, “file2.pdf”, “folder/”], output_dir=“output/”, format=“markdown,json” )

授權與價格

授權:Apache-2.0。本專案為開源。自動標記功能在 Apache 2.0 下免費提供。企業附加功能(PDF/UA-1/2 匯出、無障礙編輯器)需另行購買。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/opendataloader-projectopendataloader-pdf.svg)](https://yunodb.com/tools/opendataloader-projectopendataloader-pdf?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/opendataloader-projectopendataloader-pdf?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/opendataloader-projectopendataloader-pdf.svg" alt="Featured on YunoDB" height="20"></a>