PDFToMarkdown

于 2024-10-06 19:25:57 发布
阅读量472 收藏 9
点赞数 4
分类专栏： 工具使用 文章标签： python ocr markdown pdf
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_53870075/article/details/142726178
版权

pdf转markdown

github开源PDF转markdown
在这里插入图片描述

git clone https://github.com/VikParuchuri/marker.git

注意该项目有些包的语法需要python3.10，所以需要安装python3.10.
导入pycharm，下面选择取消
在这里插入图片描述

安装Tesseract-OCR

安装OCR工具
安装地址
这个从后面的实验来看，可以不安装，采用另外一个OCR工具。
在这里插入图片描述
选择另外的语言数据
在这里插入图片描述
在这里插入图片描述
语言包居然有310MB
首先进行进行脚本下载
在这里插入图片描述
安装Ghostscript
安装地址

https://github.com/ArtifexSoftware/ghostpdl-downloads/releases/

在这里插入图片描述

项目拉取

git clone

本着前人栽树，后人乘凉的原则，一键搞定所有包安装
在这里插入图片描述

在项目根目录下新建requirements.txt文件
在里面粘贴

torch==2.4.1+cu121
numpy==1.21.0
nougat-ocr
python-magic
python-magic-bin
python
最低0.47元/天 解锁文章
Mr-Apple
关注
专栏目录
PDF 如何高效的转换成 markdown
大数据杂货铺的博客
06-26 2250
它特别适合处理书籍和科学论文，支持多语言的转换，并且可以去除页眉、页脚等干扰元素，格式化表格和代码块。例如，合合旗下的智能文字识别品牌提供的在线服务，支持多种文件格式（如pdf、jpg、jpeg、png、bmp）的转换，上传单个文件大小不超过20M。：虽然Markdown不是所见即所得的编辑工具，但它通过简单的标记语法实现了精准的格式控制，生成的文档保持原来的排版和格式。另一个推荐的在线工具是Aspose，它提供了一个简单的界面，您只需上传PDF文件，它就会自动将其转换为Markdown格式。
Marker可以快速且准确地将PDF转换为markdown格式。
星霜笔记
05-22 1347
Marker可以快速且准确地将PDF转换为markdown格式。
【Python】文件夹下pdf转md文件
m0_73963149的博客
11-29 688
先下载相关库：aspose-words。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
haidizym的博客
10-02 493
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1327
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
酷炫音乐盒: 使用Python和Tkinter配合Pygame打造自己的音乐播放器
宇宙第一小趴菜的博客
09-29 1246
Tkinter是一个功能强大且简单易用的库，适合构建轻量级的GUI应用程序。它在不同的操作系统上具有相同的外观和行为，因此可以实现跨平台的应用程序。当然，Tkinter还有更多的功能和细节，通过阅读官方文档和教程，你可以更深入地了解和学习如何运用Tkinter来创建各种GUI应用程序。
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Mopes__的博客
10-01 421
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Python编写的贪吃蛇小游戏
WwLK123的博客
10-03 464
Python编写贪吃蛇小游戏。
pytorch版本和cuda版本不匹配问题
最新发布
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
10-06 286
发现cuda11.8支持pytorch2.0.0。
合并两个有序数组
Sudo_Wang的学习记录
09-30 444
我们可以使用双指针法从后向前遍历，避免将已经排序的数组打乱。这个方法的核心思路是从。的末尾开始填充较大的元素，因为末尾是用零填充的空闲区域，这样我们可以避免覆盖。这个方法能够高效地解决问题，并且符合进阶要求的 O(m + n) 复杂度。
yjs10——pandas的基础操作
元气少女硕硕子的博客
09-30 385
data = pd.机器学习datasalary")注意：1.是pd.read_cvs，不要顺手写成np.read_cvs2.路径的斜杠方向是/，不是\，如果直接从电脑粘贴路径，路径写法是\，要自己换成/
如何用Python监控本股市的方法
全世界的博客
09-30 1273
量化交易，顾名思义，是通过数学模型和计算机算法来进行交易决策的一种交易方式。它不仅仅是简单的自动化交易，而是基于大量的历史数据和统计分析，通过算法来识别市场中的交易机会，并自动执行交易策略。量化交易的核心在于“量化”，即通过数据和模型来量化市场行为和交易机会。布林线（Bollinger Bands）是一种广泛使用的技术分析工具，由约翰·布林格（John Bollinger）在1980年代初开发。布林线策略的核心思想是通过计算股票价格的标准差来确定价格波动的上下限，从而判断股票的买入和卖出时机。
Python使用pandas读取Excel文件
xs_2012的专栏
09-29 479
上篇说到要求实现读取excel数据填写到表单中，selenium库学了点皮毛，接下来学学怎么操作Excel。网上一搜，操作Excel的库有很多，作为一个python新人咱也不了解哪个好用，这里就用pandas吧。例如：以上就是Python使用pandas读取Excel的简单应用，更多使用方法后面继续探索。
Ubuntu18.04安装cuda11.1（出现c++版本问题）
GFCLJY的博客
10-04 720
需要使用到ubuntu18.04进行cuda的配置，最新版本的cuda跟pytorch的版本不太适配，所以为了能够复现，我选择了一些老版本的cuda11，其使用的范围更加广泛。将自己。
【Python】2. 变量和数据类型
QQ3447387928的博客
10-02 993
a = 10a为变量名，当我们创建很多变量的时候，就可以用名字来区分变量为赋值号，表示把右边的数据放到左边变量空间中【注意】：变量名需要遵守变量命名规则。
Python画笔案例-071 绘制闪闪的红星
2402_83194310的博客
10-01 207
【代码】Python画笔案例-071 绘制闪闪的红星。
Python笔记 - 函数、方法和类装饰器
weixin_45411898的博客
10-02 1267
语法糖，就可以理解当前装饰器后面加一个()表示立即调用，其参数为装饰的目标对象（类、函数或者可调用的实例对象）装饰器的本质是一个可调用对象（函数，类）装饰器的输入是一个可调用对象（函数，类，可调用的实例对象）装饰器的输出是一个可调用对象（函数，类，可调用的实例对象）
18个Java语法糖
bjzhang75的博客
10-02 843
18个java语法糖
Python知识点：如何使用Py-Spy进行实时性能分析
bigorsmallorlarge的专栏
10-04 1248
Py-Spy是一个采样分析器，它可以让开发者在不重启程序或修改代码的情况下，可视化地了解Python程序在哪些地方花费了更多时间。它是用Rust编写的，因此非常快速，并且对被分析程序的性能影响极小，适合在生产环境中使用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值