PDF Craft：3步轻松将PDF转换为Markdown和EPUB格式
项目地址: https://gitcode.com/gh_mirrors/pd/pdf-craft 还在为PDF文件难以编辑和转换而烦恼吗？📄 今天我要为你介绍一个强大的开源工具——PDF Craft，它能帮你轻松将扫描书籍的PDF文件转换为可编辑的Markdown和EPUB格式，让文档处理变得简单高效！
PDF Craft集成了多种本地可执行的AI模型，包括DocLayout-YOLO用于文档布局分析、OnnxOCR用于文本识别、layoutreader用于确定阅读顺序。这些模型协同工作，能够智能识别页眉、页脚、脚注等元素，并生成语义通顺的文本内容。
🚀 为什么选择PDF Craft？
本地化处理：所有转换过程都在本地完成，无需联网，保护你的隐私安全。
双重格式支持：无论是短小的论文还是厚重的书籍，都能找到合适的转换方案。
简单易用：只需几行Python代码，就能完成复杂的格式转换任务。
📝 实用场景：谁需要这个工具？
学术研究者
你可以将学术论文PDF转换为Markdown格式，方便在各类平台上分享讨论，还能轻松提取论文中的公式和表格。
电子书爱好者
把扫描的纸质书PDF转换成EPUB格式，就能在Kindle、手机等各种电子书阅读器上享受阅读乐趣。
内容创作者
从PDF文件中提取文本内容，用于博客写作、内容分析或二次创作。
🛠️ 快速上手：3步完成转换
第一步：安装PDF Craft
使用pip轻松安装：
pip install pdf-craft[cpu]
如果你有支持CUDA的显卡，可以使用GPU加速版本：
pip install pdf-craft[cuda]
第二步：PDF转Markdown（本地处理）
这个操作完全在本地完成，不需要联网：
from pdf_craft import create_pdf_page_extractor, MarkDownWriter
extractor = create_pdf_page_extractor(device="cpu")
with MarkDownWriter("output.md", "images", "utf-8") as md:
for block in extractor.extract(pdf="your_file.pdf"):
md.write(block)
转换效果非常直观，左侧是原始PDF页面，右侧是生成的Markdown文档：
第三步：PDF转EPUB（书籍专用）
对于超过100页的书籍，建议转换为EPUB格式：
from pdf_craft import create_pdf_page_extractor, LLM, analyse, generate_epub_file
extractor = create_pdf_page_extractor(device="cpu")
llm = LLM(key="your_key", url="https://api.deepseek.com")
# 分析PDF结构
analyse(llm=llm, pdf_page_extractor=extractor, pdf_path="book.pdf")
# 生成EPUB文件
generate_epub_file(from_dir_path="output", epub_file_path="book.epub")
生成的EPUB文件具有完整的目录结构和章节划分：
💡 进阶功能：让转换更精准
多重OCR识别
通过对同一页面进行多次OCR扫描，显著提高文字识别准确率，特别适合处理模糊的扫描文档。
公式表格识别
开启公式和表格识别功能，可以将PDF中的数学公式转换为LaTeX格式，表格转换为HTML或Markdown格式，而不是简单的截图。
智能文字勘误
利用LLM的上下文理解能力，自动识别并修正OCR可能产生的识别错误。
🎯 使用技巧：新手必看
选择合适的格式：论文和短文档用Markdown，书籍用EPUB。
配置LLM服务：推荐使用DeepSeek，转换效果最佳。
利用断点续传：处理大文件时如果中断，可以从上次的位置继续。
🌟 开始你的PDF转换之旅
现在你已经了解了PDF Craft的强大功能，是时候动手尝试了！无论你是想整理学术资料、制作电子书还是提取文档内容，这个工具都能成为你的得力助手。
记住，好的工具能让工作事半功倍。PDF Craft就是这样一个既专业又易用的工具，赶快试试吧！✨
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
