PDF 转换工具与开源项目
1. Doc2x
功能: 将 PDF 文件转换为 Markdown、LaTeX、DOCX，可以解析排版、数学公式、表格、图片、图表等，对包含表格和公式的文档处理效果较好，支持中英文档处理，效果比 Mathpix 好。
体验地址: Doc2x
2. gptpdf（开源）
特点: 使用 293 行代码，解析排版、数学公式、表格、图片、图表等。依托 GPT-4o 的能力，未来版本将进一步优化。
方法:
- 使用 PyMuPDF 库解析 PDF 中所有非文本区域并做好标记。
- 使用视觉大模型（如 GPT-4o）解析并生成 Markdown 文件。
GitHub: gptpdf
3. RAGFlow（开源）
简介: 基于深度文档理解的开源 RAG（检索增强生成）引擎，解决幻觉问题，采用自创的 deep document understanding 方法。
支持: Word、幻灯片、Excel、txt、图像、扫描件、结构化数据、网页等非结构化数据解析，支持发票、简历、财报等不同场景模版。
GitHub: RAGFlow
4. Mathpix
功能: 解析文本、数学、化学、手写识别、表格、外语和完整 PDF 文档，输出 LaTeX、Markdown、Word 等格式。
支持: 类似谷歌的搜索功能。
体验地址: Mathpix
5. 庖丁PDFlux
功能: 提取 PDF / 图片中的表格和文字，AI 智能生成摘要、搜索、改写、翻译。
体验地址: 庖丁PDFlux
6. Pix2Text（开源）
支持: 多语言，识别图片中的版面、表格、图片、文字、数学公式等，输出 Markdown 格式。支持 PDF 文件（包括扫描图片和其他格式）转换为 Markdown。
体验地址: Pix2Text-Demo
GitHub: Pix2Text
7. TextIn
功能: 识别文档或图片中的文字信息，按常见阅读顺序进行还原。
支持: 标准的年报、文书、函件、合同等文档，兼容扫描文档和电子 PDF 文件。
体验地址: TextIn
8. 腾讯云文档识别
功能: 将图片或 PDF 文件转换成 Markdown 格式文件，包括表格、公式、图片和文本等，并按阅读顺序排列。
体验地址: 腾讯云文档识别
9. Marker（开源）
支持: 多语言多文档类型，针对书籍和科学论文优化。
GitHub: Marker
10. Paddle
特点: 飞桨特色的端到端表格识别系统，精准预测论文、报告等文档中的表格位置和内容。
体验地址: Paddle
