系统能够识别并将PDF文件中的表格转换为可读的Markdown格式

[hexixiang]

Issues

• [X] I have browsed through the Issues. 我已浏览过Issues，确定没有重复的建议。

Expected behavior 预期的功能

通过增强解析功能,使系统能够识别并将PDF文件中的表格转换为可读的Markdown格式,从而提高文件的可读性和可编辑性。

Approximate reference (optional) 近似的参考（可选）

No response

[hiroi-sora]

• 中期计划：我们考虑引入 版面分析 的AI模型，来处理混合排版的复杂文件，更准确地提取表格区域。
• 远期计划：我们考虑引入端到端大模型（如 【1】 、 【2】 ），支持将文档/图片 整张转换为Markdown文本流。

[lison666]

能否顺带提供pdf转html的功能吗

[hiroi-sora]

能否顺带提供pdf转html的功能吗

这是更困难、更遥远的事情了。走一步看一步，等我们有了底层的识别模块，再考虑上层的输出模块。

[ztayty]

Issues

• [x] I have browsed through the Issues. 我已浏览过Issues，确定没有重复的建议。

Expected behavior 预期的功能

通过增强解析功能,使系统能够识别并将PDF文件中的表格转换为可读的Markdown格式,从而提高文件的可读性和可编辑性。

Approximate reference (optional) 近似的参考（可选）

No response

OpenDataLab近期开源的PDF转markdown格式工具，效果还不错，专门用于大模型语料从复杂文档中提取的，需要的话可以看看https://github.com/opendatalab/MinerU