PDF Craft – 基于AI的PDF文件格式转换器

PDF Craft（PDF文件格式转换器）简介

PDF Craft 是一个PDF文件格式转换器，开源免费，能够帮助我们非常方便地将PDF文件转换为多种其他格式，该工具能够逐页读取 PDF 文件，结合 DocLayout-YOLO 模型和自定义算法，从书页中提取文本，并过滤掉页眉、页脚、脚注和页码等元素。在跨页处理过程中，算法能有效解决前后页面之间的连接问题，最终生成语义连贯的文本。

该工具采用 OnnxOCR 进行文本识别，并使用 layoutreader 确定符合人类阅读习惯的阅读顺序。对于小型文档或论文，用户可以将 PDF 转换为 Markdown 格式，这一过程完全依赖本地计算能力，无需调用远程 LLM（大语言模型）。在遇到插图、表格和公式时，相关截图会直接插入到 Markdown 文件中。

对于较大的书籍（通常超过100页），推荐将其转换为 EPUB 格式。在转换过程中，该工具也会将本地 OCR 识别的数据传递给 LLM，以构建书籍的结构，并最终生成带有目录和章节的 EPUB 文件。此外，LLM 还可在一定程度上纠正 OCR 识别错误。

通过使用该工具，我们可以轻松实现从 PDF 到 Markdown 或 EPUB 的转换，提升文档处理效率，适合科研人员、学生及图书爱好者。

PDF Craft（PDF文件格式转换器）官网及安装教程

• 开源地址：https://github.com/oomol-lab/pdf-craft

安装教程

首先需要 python 3.10 或以上（推荐 3.10.16）。

pip install pdf-craft
pip install onnxruntime==1.21.0

使用 CUDA

如果你希望使用 GPU 加速，需要确保你的设备以准备好 CUDA 环境，根据你的操作系统安装选择适当的命令安装。此外，将前文安装 onnxruntime 的命令替换成如下：

pip install onnxruntime-gpu==1.21.0