Papero：保留文档结构的开源PDF提取工具

PDF 是文档，不是字符串。

PDF 被转成纯文本后，表格、阅读顺序、公式、图表和来源位置都很容易丢失——这会损害 RAG 流程。

我开发了 Papero，一款开源的 PDF 提取工具，能保留文档结构并导出为 Markdown、JSON、Excel 和 Word 格式。

它还提供结构感知的 RAG 分块，带有章节、页码和边界框元数据。

非常欢迎从事 RAG、文档 AI 和 PDF 处理的朋友给我反馈。

For further actions, you may consider blocking this person and/or reporting abuse

We're a place where coders share, stay up-to-date and grow their careers.