OpenDataLoader PDF

PDF 解析器 · 基准测试第一 · RAG/LLM 数据提取利器

功能定位

• 核心能力：从任意 PDF 提取结构化数据（Markdown、JSON、HTML），带边界框坐标
• 技术亮点：XY-Cut++ 读取顺序、Bounding Box 定位、AI 混合模式处理复杂页面
• 基准成绩：综合 0.90（第一），表格 0.93，读取顺序 0.94（对标 Docling、Marker、MinerU 等）
• 许可证：Apache 2.0（核心功能免费）

适用场景

• 批量提取 PDF 为 Markdown / JSON / HTML 用于 RAG 或 LLM 训练
• 需要边界框坐标做源码溯源（哪个段落来自 PDF 第几页哪个位置）
• 复杂表格、扫描件、含公式的学术 PDF
• PDF 无障碍化（Tagged PDF 生成，Q2 2026 免费开放）

安装