OpenDataLoader 开源:PDF 转 Markdown 每秒 100 页,登 GitHub 日榜第一

mdancho84 · x · 2026-11-05

开发者开源了 OpenDataLoader PDF,一个面向 AI 数据的 PDF 解析器,号称每秒可转换 100 页,纯 CPU 运行,已登 GitHub Trending 日榜第一(30.2k stars)。

从项目页看的关键信息:

输出格式:Markdown(适合 RAG 分块)、带 bounding box 的 JSON(便于溯源引用)、HTML;提供 Python/Node.js/Java SDK 与 LangChain 集成,pip install opendataloader-pdf 后三行代码即可转换。
精度:在 200 份真实 PDF(含多栏、科学论文)基准中总精度 0.907、表格精度 0.928,排名第一;采用「确定性本地模式 + AI 混合模式」处理复杂页面。
OCR:混合模式内置 80+ 语言 OCR,可处理 300 DPI 以上的低质量扫描件。
复杂内容:支持复杂/无边框表格、LaTeX 公式、图表的 AI 描述。
Apache 2.0 协议,完全免费,另可自动化 PDF 无障碍(a11y)处理。

「编程与Agent」频道最新