opendataloader-project/opendataloader-pdf

项目概览

它同时覆盖 PDF 结构提取与自动加标签，并在项目列出的基准测试中以 0.907 的总体提取准确率排名第一；运行不要求 GPU。

项目类型

RAG 与知识库

应用场景

文档办公 · 知识问答

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 适合以 PDF 为主要输入，并把阅读顺序、表格和文档层级保真度作为选型重点的开发团队。
• 适合需要批量生成供屏幕阅读器使用的带标签 PDF、减少人工无障碍修复工作的团队。

核心能力

• 将无标签 PDF 转换为供屏幕阅读器使用的带标签 PDF，生成标题、段落、列表、表格和阅读顺序等结构标签。该能力当前可用，适合减少逐份人工补充结构标签的工作。
• 当 PDF 已包含原生结构标签时，依据作者提供的标签恢复版面结构，保留标题、列表、表格和阅读顺序，而不是推测这些关系。该能力当前可用。
• 计划用于核验 PDF 标签树，但当前状态为计划中，不能按已可用能力纳入生产流程。

限制与风险

• 每次调用 convert() 都会启动一个 JVM 进程，因此重复调用速度较慢；需要在真实调用频率下评估该行为是否可接受。
• PDF 标签树验证仍处于计划状态，当前不能依赖项目完成这一环节。
• 现有资料未记录数据边界和遥测策略；对这两项有明确要求的团队需要在采用前单独核实。

如何开始

• 开始前需安装 Java 11 或更高版本，这是 Python 安装之外的前置条件。
• 确认 Java 版本后，可运行 `pip install -U opendataloader-pdf` 安装项目。

核验依据

• README: sdk: Python, Node.js, Java
• README: import opendataloader_pdf
• README: PDF structure lost during parsing — wrong reading order, broken tables, no element coordinates
• README: Manual PDF remediation cost — Accessibility regulations (EAA, ADA, Section 508) demand Tagged PDFs. Manual remediation costs $50–200/doc
• README: solves: [PDF to structured data for RAG/LLM pipelines, accelerate PDF accessibility remediation — layout analysis + auto-tagging to Tagged PDF as foundation for PDF/UA (first open…

内容核验时间：