最近我们开源了一个 PDF 处理工具 - pdf-craft，专注于解决扫描书籍 PDF 转换的痛点，让书籍数字化更智能。pdf-craft 支持将 PDF 转为 Markdown 和 EPUB ，智能处理文本、图表、公式等内容，适用于技术文档、书籍数字化、论文研究等场景。
痛点与解决方案
- PDF 不便于移动设备阅读：将 PDF 转为 EPUB ，适配各种屏幕大小
- 书籍结构混乱：智能分析章节、目录，重建结构化内容
- 注释和引用难以追踪：使用 LLM 智能处理注释和引用
- OCR 识别错误多：结合 LLM 自动矫正识别错误
- 扫描件 PDF 难以被 AI 、代码处理：分析并结构化 PDF 扫描件，以供 AI 、代码读取
主要特性
-
PDF 转 Markdown
- 纯本地运行，GPU 加速支持
- 智能过滤页眉页脚等无关元素
- 自动处理跨页文本顺接
- 图表、公式自动提取为图片
-
PDF 转 EPUB
- 智能构建书籍结构和目录
- 提取并保留注释和引用，并在 EPUB 中以合适的方式重新组织
- 支持中断恢复分析
- LLM 辅助校正 OCR 错误
-
技术亮点
- 结合 DocLayout-YOLO 布局分析
- 使用 OnnxOCR 进行文本识别
- 集成 layoutreader 优化阅读顺序
- 可接入 DeepSeek 等 LLM 服务
技术细节
项目基于 Python 开发，可通过 pip 安装：
pip install pdf-craft
核心使用方法示例：
# PDF 转 Markdown （纯本地处理）
from pdf_craft import PDFPageExtractor, MarkDownWriter
extractor = PDFPageExtractor(
device="cuda:0", # GPU 加速
model_dir_path="/path/to/model/dir/path",
)
with MarkDownWriter(markdown_path, "images", "utf-8") as md:
for block in extractor.extract(pdf="/path/to/pdf/file"):
md.write(block)
对于更复杂的 EPUB 转换，可以接入 LLM：
from pdf_craft import LLM, analyse, generate_epub_file
# 配置 LLM
llm = LLM(
key="sk-XXXXX",
base_url="https://api.deepseek.com",
model="deepseek-chat",
token_encoding="o200k_base",
)
# 分析 PDF
analyse(
llm=llm,
pdf_page_extractor=extractor,
pdf_path="/path/to/pdf/file",
analysing_dir_path="/path/to/temp",
output_dir_path="/path/to/output",
)
# 生成 EPUB
generate_epub_file(
from_dir_path="/path/to/output",
epub_file_path="/path/to/book.epub",
)
实际效果
立即体验，无需环境配置
想快速尝试 pdf-craft 而不想折腾环境配置？我们提供了更简单的方式： 使用 OOMOL Studio 一键体验：pdf-craft for OOMOL studio
OOMOL Studio 是我们开发的工作流 IDE ，内置了隔离的运行环境，无需复杂配置，即可立即体验 pdf-craft 的全部功能。 关于 OOMOL Studio 可以查看之前的介绍: 一款全新的工作流 IDE。
当然，pdf-craft 仍然完全开源，你依然可以按照上述方法在自己的环境中配置使用。
适用场景
- 技术文档阅读：将繁杂的技术文档转为结构化内容
- 书籍数字化：把纸质扫描书转为便携的电子书
- 论文研究：快速提取论文内容并方便引用
- 学习材料整理：将课程讲义处理为易于学习的格式
- 代码文档提取：从 PDF 教程中提取可用代码
开源与社区
项目刚刚起步，我们非常欢迎各位 V 友参与：
- GitHub 地址：https://github.com/oomol-lab/pdf-craft
- 问题反馈：https://github.com/oomol-lab/pdf-craft/issues
- 演示视频：Bilibili 链接
如果觉得不错，欢迎给项目点个 star ⭐，有什么想法也可以在评论区交流，或者提交 PR 一起完善这个工具。
你也可以通过 https://oomol.com/community/ 找到我们。
 |
1
simple233 2 天前
牛的，那么快又有新东西了
|
 |
2
uCharles 2 天前
好厉害
|
 |
3
chjian 2 天前
大佬厉害
|
 |
4
regent 2 天前
对于爱看书的人是一个福音，谢谢！
|
 |
5
jimrok 2 天前
感觉现在正处在寒武纪大爆发阶段，各种新应用层出不穷。
|
 |
6
kitty7030 2 天前
可以增加个功能 再转化为 pdf
|
 |
8
b821025551b 2 天前
@moskize pdf 的兼容性更好，随便拖到浏览器就能看；这个过程就是将扫描版 pdf 转成矢量版 pdf ，提升清晰度，缩小文件体积。
|
 |
9
timeisweapon 2 天前
对于普通个人用户来说，还是在线转换工具方便
|
 |
10
yibie 2 天前
能接 Ollama 吗？
|
 |
11
yazoox 2 天前 via Android
这个是真的牛逼！
|
 |
12
docx 2 天前 via iPhone
分栏的 PDF 能完美解析吗
|
 |
15
sunnysab 1 天前
flowhub 中点击 Open By OMMOL Studio 没有反应（似乎只是刷新了当前页面）。
分析了《聪明在于勤奋，天才在于积累》（华罗庚）一书，第 4 页的分数（ 22/7 ）没有识别成公式，整本书识别得不错，比当时导入微信读书时识别得强。 |
 |
16
jhytxy 1 天前 via iPhone
求 docker 镜像
|
 |
17
shenjinpeng 1 天前
微软貌似也有个 markitdown 专门转 PDF 的, 貌似没有 orc
|
 |
18
ayang23 1 天前
效果貌似不错
|
 |
19
EngAPI 1 天前
不错啊，造福墨水屏
|
 |
20
bfdh 1 天前
model_dir_path="/path/to/model/dir/path",
新手求问，这个应该从哪里下？ |
 |
24
zero469 1 天前
非常好的 idea ，太牛逼了
|
|
25
zero469 1 天前
不知道作者有没有尝试过 7B 或 32B 的 LLM ，如果效果也 OK 的话连带模型做一个纯本地的方案感觉更有吸引力
|
 |
26
Dreamerwwr 1 天前
在哪里配置 LLM 的 API 呢？打开后，没看到配置的位置
|
 |
27
KiriGiri 1 天前
厉害，做了我想做的。
|
 |
28
ration 1 天前
喜欢在电纸书上看书，这个真不错，谢谢
|
 |
29
cyp0633 1 天前  1
好用，不过现在 LLM 主要是用来纠正文字吧，我觉得可以用 Gemini 等多模态 LLM 一块儿识别公式，转换成 LaTeX 格式
|
 |
31
hinate 1 天前 via Android
太强了👍🏻
|
 |
32
cooper 1 天前
这个好，已 star ！
|
 |
33
manning 1 天前
mathpix 上付费的 PDF 转 markdown ，这个能代替吗
|
 |
34
3085570450tt 1 天前
跟 PyMuPDF 比起来怎么样呢？同时 PyMuPDF 也有 LLM 的支持 https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/
|
 |
35
moskize 1 天前
@3085570450tt 看介绍它们好像是为 LLM 提取文本，而不是用 LLM 处理文本。而且 PyMuPDF 我记得是不提供 OCR 的。
|
 |
37
Yien 1 天前 via Android
厉害(òωó)👍
|
 |
38
luyg 1 天前
厉害，我要试试
|
 |
39
akira 1 天前
先给个 star 后面有空了 试一下
|
 |
40
oyjt 1 天前
大佬，厉害呀。先 star 了为敬
|
 |
41
yueyueniao89 1 天前
先马克，pdf 转 epub
|
 |
42
x4gz 21 小时 11 分钟前
这个带多线程吗 不然有的几百页的书转起来也太慢了
|
Select Language