opendataloader-pdf
PDF解析工具，可将文档转换为Markdown、JSON等适合AI使用的结构化数据，也能辅助实现PDF无障碍。
分享到 X许可证: MPL-2.0
概述
OpenDataLoader PDF 是开源的 PDF 解析器，把文档转换成适合 AI 使用的数据，也能帮助自动化 PDF 无障碍处理。它可输出 Markdown、带边界框的 JSON 和 HTML。一般文档用确定性的本地模式，复杂页面、扫描件和 OCR 则用引入 AI 的混合模式。可用 pip 安装，常用于 RAG 等场景。
主要特点
- 输出 Markdown、带边界框的 JSON 和 HTML
- 面向普通文档的确定性本地模式
- 混合 AI 模式处理复杂页面、表格和公式
- 混合模式内置 OCR，可处理扫描 PDF
- 自动化 PDF 无障碍处理
适用场景
适合为 RAG 等 AI 流程准备 PDF，或需要满足无障碍要求的团队。扫描件和复杂版式需要使用混合模式。
- 上游仓库
- opendataloader-project/opendataloader-pdf
- GitHub 上的 fork
- Guo-astro/opendataloader-pdf
- 上游 Star 数
- 29k
- 分类
- 文档、媒体与内容
- 许可证
- MPL-2.0
- Fork 时间
- 2026-02-26
- 同步状态
- 与上游分叉
同分类更多: 文档、媒体与内容
基于Markdown的排版系统，可把文本转成论文、演示文稿、网站、书籍和知识库，并为Markdown增加脚本能力。
可将Word、PowerPoint、Excel、PDF等多种文档转换为干净Markdown的高速库，提供Node.js和Python接口。
在你的仓库中生成完整Astro文档站点的脚手架，文件可直接编辑，让人和AI代理都能方便使用文档。
PowerPoint的替代品，整个演示文稿就是一个HTML文件，内含查看、演示和编辑功能，任何浏览器都能打开。