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
- 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
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
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