我要投稿

PDF解析器对比

发布日期：2024-08-31 12:17:11 浏览次数： 2737

作者：深度学习机器

微信搜一搜，关注“深度学习机器”

一汇总

名称	OCR	提取表格内容	保留文本顺序	提取图片	保存成md格式	其他特性
pymupdf	❌	✔️	✔️	✔️	❌	● 表格提取 ● 自定义字体
pdfminer	❌	❌	✔️	❌	❌	● 版面分析
pdfplumber	❌	✔️	❌	❌	❌	● 表格提取，但存在丢失列的问题
pypdf2	❌	❌	✔️	❌	❌	● pdf合并与拆分 ● 添加水印
llama-parse	✔️	✔️	✔️	✔️	✔️	● 付费API每天有免费额度
open-parse	✔️	✔️	✔️	❌	✔️	● 文本支持保存markdown和html格式 ●内置表格模型，可自由选择 ●表格带markdown格式
deepdoc	✔️	✔️	✔️	✔️	❌	● 支持版面分析 ●表格带html格式
MinerU	✔️	✔️	✔️	✔️	✔️	● 文本带markdown格式 ● 解析保留中间过程，可用于二次调优 ● 表格提取非常慢，目前效果一般

二总结

• 非扫描件无OCR要求直接使用pymupdf(fitz)即可，能正确保留双列布局的文本顺序，同时能提取表格和图片，而且表格是以List的格式保留。
• 其余几个传统的PDF解析库倾向于对pdf进行编辑，比如添加水印，增加或者删除页面等。
• llama-parse 中文文档效果不好，而且还是通过API使用，但是每天有固定的免费额度，可以用于处理扫描件。
• deepdoc和MinerU是近期开源项目中比较强大的RAG解析工具。deepdoc优势点在于表格效果较好，亲测无边框的表格有大多数效果仍可圈可点，并且保留为html格式，因此允许合并单元格；MinerU优势在于识别的文本带有markdown格式，因此用于RAG切分文档中可以省去不少功夫。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-01-29

OpenAI发布的新科研工具Prism，相比起Overleaf如何？值得入手吗？

2026-01-28

打破传统，Pencil UI设计工具引领前端UI设计新潮流！

2026-01-23

AIPPT：图像生成 vs OOXML 两种实现方式对比

2026-01-23

发现了 4 个好玩 SKills，已经在 GitHub 上开源了。

2026-01-21

当A++成为新的“紧箍咒”：我们是否忘记了测试的初衷？

2026-01-20

字节错过 Manus 后，推出的 AnyGen 不是竞争是互补

2026-01-19

Skywork Design Agent重磅上线：非专业人士的AI设计利器，重塑办公创作效率

2026-01-18

字流 2.0 发布：我把 14 个平台的发布流程压到 10 分钟

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

终于找到可以一键做 AI 漫剧的方法了

2025-12-11

复盘 AI 陪伴消亡史：我们究竟做错了什么？

2025-11-17

发现了 4 个好玩 SKills，已经在 GitHub 上开源了。

2026-01-23

AI时代的一个新职业-Skills技能创作者

2025-11-11

做AI PPT，50人团队年入1亿美元，发布AI PPT提示词指南，从7000万用户工作流精选

2025-11-13

DeepSeek 5 分钟帮我做完一份“苹果发布会级”PPT。我把方法公开了，效果绝了！

2025-11-20

AI对全球白领就业冲击有多大？

2026-01-06

Second Me 的数字身份，让我看到了 AI 时代真实社交的新可能

2025-11-21

AI 时代的设计准则：10 条启发式原则让用户体验更智能

2025-12-02

NotebookLM: 不就做个PPT，有什么难的

2025-12-15

大家都在问

OpenAI发布的新科研工具Prism，相比起Overleaf如何？值得入手吗？

2026-01-29

当A++成为新的“紧箍咒”：我们是否忘记了测试的初衷？

2026-01-21

AI对全球白领就业冲击有多大？

2026-01-06

警惕！AI创业的三重“陷阱”你避开了吗？

2025-12-22

NotebookLM+Nano Banana Pro：你的下一个PPT，何必是PPT？

2025-12-15

你用AI做的应用，是在挠自己的痒痒吗？

2025-12-09

复盘 AI 陪伴消亡史：我们究竟做错了什么？

2025-11-17

批判性思考能力为何在AI时代更为重要？

2025-11-14

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部