Marker把PDF转换成markdown格式输出

目录

一.Marker介绍

二.Marker把PDF格式转为markdown输出

        1.下载运行环境

        2.进入文件夹

        3. 运行以下代码，转markdown

        4.结果可在输出文件夹中找到.md文件

---

一.Marker介绍

        Marker是一款能够快速且准确地将PDF转换为Markdown的工具。它支持所有语言，最适合不需要大量 OCR 的数字 PDF。Marker基于管道式的深度学习模型。工作原理如下：

        1.提取文本OCR

        2.检测页面布局并找到阅读顺序

        3.格式化每个block

        4.合并每个block并后处理完整的文本

二.Marker把PDF格式转为markdown输出

        1.下载运行环境

pip install marker-pdf

         2.进入文件夹

        进入存放刚刚下载好的环境的那个文件夹，一般都是在自己的虚拟环境的Scripts里有一个marker-single.exe和marker.exe的运行程序。marker-single是处理一个PDF文件的，marker是处理多个PDF文件的。

  

        3. 运行以下代码，转markdown

marker_single 要处理的PDF文件路径 存放处理好的markdown的文件夹 --batch_multiplier 2 --max_pages 10 

        4.结果可在输出文件夹中找到.md文件

        

        效果对比：

        ​​