pdf-to-markdown

pdf-to-markdown copied to clipboard

通过PyMuPDF和PADDLE OCR提取PDF中文本、图片和表格创建markdown，基于Python 3.10 64-bit。

效果

安装依赖

1. 安装PaddlePaddle，参考https://www.paddlepaddle.org.cn/documentation/docs/zh/install/pip/windows-pip.html

2. pip install -r requirements.txt

命令行参数

可通过python start.py -h查看

• -f:单个文件或文件夹路径，仅支持一级目录

例如python start.py -f samples

限制

• 仅支持中英文（由于PyMuPDF存在问题偶尔会出现乱码）
• 仅支持单栏布局
• 不支持页眉和页脚
• 不支持各种文本样式（包括颜色、加粗、斜体等）

……（其他待发现问题）