Magic-Doc 安装与配置指南

Magic-Doc 安装与配置指南

magic-doc 项目地址: https://gitcode.com/gh_mirrors/mag/magic-doc

1. 项目基础介绍

Magic-Doc 是一个轻量级、开源的工具，它可以用来将多种文件类型（如 PPT/PPTX/DOC/DOCX/PDF）转换为 Markdown 格式。该项目支持本地文件和 AWS S3 存储的文件的转换。Magic-Doc 可以广泛应用于文档转换、自动化处理等领域。

主要编程语言：Python

2. 项目使用的关键技术和框架

• Antiword：用于将 Microsoft Word 文档转换为文本格式。
• LibreOffice：开源的办公套件，用于处理文档、演示文稿等。
• PyMuPDF：Python 的 PDF 处理库，用于读取和分析 PDF 文件。
• paddleocr：基于 PaddlePaddle 的 OCR 库，用于识别 PDF 中的文字。

3. 项目安装和配置的准备工作与详细步骤

准备工作

• 确保系统中已安装 Python 3.10 或更高版本。
• 安装 LibreOffice，以便转换文档格式。

安装 LibreOffice

根据您的操作系统选择以下命令进行安装：

Linux/macOS:

sudo apt-get install libreoffice # Debian/Ubuntu
sudo yum install libreoffice # CentOS/RHEL
brew install libreoffice # macOS

Windows:

1. 下载并安装 LibreOffice。
2. 将 LibreOffice 的安装目录添加到系统环境变量中。

安装步骤

1. 克隆项目仓库：

git clone https://github.com/opendatalab/magic-doc.git
cd magic-doc

2. 安装项目依赖：

pip install -r requirements.txt

3. 安装 Magic-Doc：

• 对于 CPU 版本：

pip install fairy-doc[cpu]

• 对于 GPU 版本（如果需要使用 OCR 功能）：

pip install fairy-doc[gpu]

4. 使用 Magic-Doc 转换文档：

• 转换本地文件：

from magic_doc.docconv import DocConverter

converter = DocConverter()
markdown_content, time_cost = converter.convert("some_doc.pptx", conv_timeout=300)

• 转换 AWS S3 上的文件：

from magic_doc.docconv import DocConverter, S3Config

s3_config = S3Config(ak='your_access_key', sk='your_secret_key', endpoint='your_endpoint')
converter = DocConverter(s3_config=s3_config)
markdown_content, time_cost = converter.convert("s3://your_bucket/your_doc.pptx", conv_timeout=300)

以上步骤即为 Magic-Doc 的详细安装与配置指南。按照这些步骤操作，您应该能够成功安装并使用 Magic-Doc 进行文档转换。

magic-doc 项目地址: https://gitcode.com/gh_mirrors/mag/magic-doc