转化为MarkDown

markitdown

markitdown简介

• 将文件和办公文档，如pdf,doc等转换为Markdown的Python工具
• 项目仓库:https://github.com/microsoft/markitdown
• 支持将如下格式文件或文档转为markdown
  • PDF
  • PowerPoint
  • Word
  • Excel
  • Images (EXIF metadata and OCR)
  • Audio (EXIF metadata and speech transcription)
  • HTML
  • Text-based formats (CSV, JSON, XML)
  • ZIP files (iterates over contents)

markitdown相关文章

• 微软开源将各种文件格式转换为 markdown 格式开源工具：markitdown
• MarkItDown：微软开源多格式文档处理工具，轻松将文件转为 Markdown 格式

Docling

Docling简介

• IBM开源文档解析理解工具
• 项目仓库:https://github.com/DS4SD/docling
• Docling是一个用于文档解析和格式转换的工具，支持多种文档格式（如PDF、DOCX、PPTX等），能够快速将文档导出为Markdown和JSON格式

Docling特征

• 🗂️能读取流行的文档格式（PDF，DOCX，PPTX，XLSX，图像，HTML，AsciiDoc和Markdown）并导出为HTML，Markdown和JSON（嵌入和引用图像）
• 📑高级PDF文档理解，包括页面布局，阅读顺序和表格结构
• 🧩统一的、富有表现力的表现格式
• 🤖轻松集成LlamaIndex和LangChain，实现强大的RAG / QA应用程序
• 🔍支持扫描PDF的OCR
• 💻简单方便的命令行

Docling相关文章

• 开源热榜第一！IBM开源工具

marker-api

• 一个简单易部署的 API，用于将 PDF 文件快速、高准确度地转换成 Markdown 格式
• 项目仓库:https://github.com/adithya-s-k/marker-api
• 支持同时转换多个 PDF 文件。
• 支持多种文档类型，包括书籍和科学论文。
• 支持所有语言。
• 移除页眉、页脚和其他非文本元素。
• 格式化表格和代码块。- 提取并保存Markdown中的图片。
• 将大多数方程式转换成LaTeX格式
• 精准！Marker API：PDF 转 Markdown

Marker

• 基于深度学习模型的将 PDF 转换成 Markdown 格式的工具
• 项目仓库:https://github.com/VikParuchuri/marker
• 广泛文档支持（特别适合书籍和科学论文）
• 全语言支持
• 移除页眉、页脚及其它冗余元素
• 格式化表格与代码块
• 提取并随 Markdown 保存图像
• 大多数公式转换为 LaTeX
• 支持 GPU、CPU 或 MPS 运行
• 高效PDF转markdown，AI实用工具

原文链接:https://i68.ltd/notes/posts/241205-doc2md/