Marker 把 PDF 快速、准确地转成 Markdown 与 JSON，专为喂给大模型的文档预处理而设计。 RAG 和文档问答的效果，往往卡在「PDF 解析得干不干净」这一步——标题层级乱了、表格散了、公式丢了，再强的模型也救不回。Marker 是 datalab-to 出的 PDF 转换工具，主打高准确率与速度：把 PDF 转成保留结构的 Markdown/JSON，正确处理标题、段落、列表、表格、公式、图片与阅读顺序。仓库 datalab-to/marker 以 Py...
标签 文档解析 下的文章
PaddleOCR 是一套轻量而强大的 OCR 工具包，把 PDF 与图片里的文字、表格、版面结构提取成 AI 能直接用的数据。 给 AI 喂文档，第一步是把里面的字和版式读出来。扫描件、拍照、带表格的 PDF，直接用通用 OCR 往往丢行、乱序、认错表格。PaddleOCR 是百度飞桨生态里的 OCR 工具包，主打开箱即用与高精度，覆盖文字检测、识别、版面分析与表格识别。它的定位很明确——「把任意文档变成结构化数据喂给 AI」。仓库 PaddlePaddle/PaddleO...
Docling 把 PDF、Word、PPT、Excel 转成结构清楚的 Markdown / JSON，表格与阅读顺序尽量不丢。 做 RAG 的人都知道，脏数据比模型差更致命：PDF 转出来表格变成一堆错位的字符，标题与正文分不开，结果检索永远召不回正确段落。Docling 就是专门解这个问题的：它不只做 OCR，而是识别文档结构（标题、段落、表格、列表、阅读顺序），再输出结构化结果。项目最初来自 IBM Research，现在已是一个独立开源项目。
把 PDF、Word、扫描件拆成带类型的元素，再交给 RAG 或模型消费。 做文档类 RAG 的人都有一个共同的坑：把 PDF 一股脑转成纯文本，标题、正文、表格、页眉全混在一起，检索出来一段话你都不知道它在说哪一节。Unstructured 把这一步做成了正经的 ETL：先把文档拆成带类型的元素（Title、NarrativeText、Table、ListItem），再序列化成 JSON，下游想怎么用都行。仓库 Apache-2.0，约 1.6 万星（以 GitHub 为准...