Follow
推荐 GitHub 上一款强大的 PDF 文档分析开源工具：PDF Document Layout Analysis。
它能准确自动识别 PDF 页面中的文本、标题、图片、表格等元素，并确定它们的正确阅读顺序，大幅提升文档处理效率。
GitHub: https://github.com/huridocs/pdf-document-layout-analysis
主要功能：
- 高精度自动识别文档中的 11 种常见不同元素类型，如标题、图片、表格等；
- 提供高性能视觉模型和快速轻量级模型两种选择；
- 支持表格提取为 Markdown、LaTeX 或 HTML 格式；
- 支持公式提取为 LaTeX 格式；
- 通过 Tesseract OCR 支持 150+ 种语言的文本识别。
使用 Docker 快速部署，支持 GPU 加速，几行命令即可启动服务并开始分析 PDF 文档。
