mrmps/pdf2md

Browser based tool to convert PDFs to Markdown

它解决了什么

该项目提供了一种将 PDF 文件转换为 Markdown 格式的方法，无需将文件上传到服务器，确保数据隐私和离线使用能力。

它如何工作

该应用程序完全在浏览器中运行。它使用 @opendocsg/pdf2md 库从 PDF 中提取文本、结构和格式（如标题、列表和表格），并在用户设备上本地转换为 Markdown 语法。

适用人群

开发者、写作者以及任何经常使用 Markdown、且需要在保证数据安全的前提下转换 PDF 文档的人。

亮点

  • 隐私优先：所有处理都在浏览器本地完成；不会上传或存储文件。
  • 离线可用：加载后即使没有网络连接也能使用。
  • 结构保留：支持标题、列表、表格和基本格式。
  • 开源：基于 @opendocsg/pdf2md 库构建。

相关

  • 项目
    magicrew/doc7

    一款使用多模态视觉模型将 PDF、Office 文件和图像转换为 AI 友好 Markdown 的文档转换工具，支持本地推理以保障隐私和成本效益。

  • 项目
    microsoft/markitdown

    一个轻量级的 Python 工具，可将 PDF、Office 文档、图像、音频等多种文件格式转换为 Markdown，便于 LLM 和文本分析流水线轻松使用。

  • 项目
    overcuriousity/pdf2epub

    使用智能布局检测和 AI 驱动的文本提取，将 PDF 文件转换为结构化 Markdown 和 EPUB 格式的工具。

  • 项目
    firecrawl/anydoc

    anydoc 是一个纯 Rust 库（附带 Node、Python 和 WebAssembly 绑定），可在数毫秒内将 14 种办公文档格式统一转换为一致的 GitHub 风格 Markdown。它保留文档结构，支持扫描 PDF 的可选托管 OCR，以 CLI、Agent Skill 和语言特定 SDK 形式打包，非常适合需要快速、统一文本提取的 LLM 导向流水线。

  • 项目
    AeternaLabsHQ/pullmd

    PullMD 是一个自托管服务，可将任何公开 URL（包括网页、Reddit/Hacker News 线程、PDF、Office 文档、图像、音频和 YouTube 视频）转换为干净的 Markdown。它提供 PWA UI、REST API 和 MCP 流式端点，支持可选的 JavaScript 渲染、OCR 和媒体字幕生成侧车。输出高度节省 Token：内容位于正文，所有元数据（源 URL、时间戳、OCR 模型、Token 使用量等）置于 YAML 前置元数据中。功能包括可共享的实时链接、SSRF 保护、覆盖率保护、可配置缓存保留和三种认证模式（开放、单管理员、多用户）。通过单个 Docker Compose 文件部署，支持可选 Traefik，适用于 LLM 代理、RAG 管道，以及任何需要隐私保护、无广告 Markdown 提取的用户。