MarkPDFdown/markpdfdown

解决的问题

MarkPDFDown 将 PDF 文件和图像转换为干净、可编辑的 Markdown 文字。它解决了从复杂文件结构（如表格、公式和图表）中提取内容的困难，同时保留了原始格式。

运作原理

该工具通过 LiteLLM 函数库利用多模态大型语言模型 (LLMs) 将文件视觉内容转换为结构化文字。它支持多种供应商，包括 OpenAI、OpenRouter 和 Requesty，让用户可以选择 GPT-4o、Claude 3.5 Sonnet 和 Gemini Pro Vision 等模型。

适用对象

需要将 PDF 文件或图像数字化为 Markdown 以进行后续编辑、文档编写或在 AI 工作流程中使用，以及偏好命令行界面 (CLI) 或专用桌面应用程序的用户。

特色亮点

• 多模态 AI 转录：使用具备视觉能力的 LLMs 来精确处理复杂布局。
• 多供应商支持：兼容于 OpenAI、OpenRouter 和 Requesty。
• 灵活输入：支持 PDF 和图像文件，并可指定 PDF 的页面范围。
• 多样化部署：可作为 CLI 工具、Python 模块或 Docker 镜像使用。
• 格式保留：在转换过程中维护标题、列表和表格。