Marker：一款基于Python开发的Markdown转换工具 9.1k start

1. 高速度与准确性：Marker在转换速度和准确性上进行了优化，据称比某些其他工具快10倍，并且在大多数文档上更准确，产生错误的风险较低。
2. OCR技术：对于包含图像文本的PDF文档，Marker必要时采用OCR（Optical Character Recognition，光学字符识别）技术来识别并提取文本内容。
3. 布局识别：Marker使用特制的LayoutLMv3模型来精确定位并识别文档内的表格、图表、标题、图片说明、页眉和页脚等元素。
4. 列识别和排序：Marker再次运用一个定制版的LayoutLMv3模型，确保文档中的每一列都能按正确的顺序排列。
5. 公式和代码处理：在处理文档中的公式和代码时，Marker能够借助Nougat等工具将公式图片转化为LaTeX代码，并采用启发式策略精确识别和调整代码以及表格内容。
6. 文本清理与优化：Marker在文本清理与优化阶段，利用定制的T5ForTextClassification模型进行深度清洁，如剔除多余的空格和异常字符，确保生成的Markdown文档格式规范、内容纯净。

• 支持多种 PDF 文档（优化适用于书籍和科学论文）

• 移除页眉、页脚和其他杂项

• 将大部分公式转化为 LaTeX

• 格式化代码块和表格

• 支持多种语言（尽管主要测试使用英语）。可在 settings.py
   中查看语言列表。

• 可在 GPU、CPU 或 MPS 上运行

• GitHub：https://github.com/VikParuchuri/marker
• GitCode：https://gitcode.com/VikParuchuri/marker/overview
  

• Python 3.9+
• PyTorch
如果使用的不是Mac或GPU机器，请安装CPU版。
参考：https://pytorch.org/get-started/locally/

安装：

pip install marker-pdf
复制