Бесплатный PDF-парсер

Бесплатный PDF-парсер

На GitHub появился бесплатный PDF-парсер с открытым исходным кодом, который превращает документы в формат, понятный языковым моделям.

OpenDataLoader PDF конвертирует любой PDF в Markdown, JSON или HTML. В таком виде документы удобно подавать в RAG-пайплайны, ИИ-агентов, поисковые системы и приложения на базе LLM.

У парсера есть гибридный режим. Он подключает OCR для отсканированных PDF, где текст лежит картинкой,и корректно вытаскивает содержимое сложных таблиц, формул и диаграмм.

Работает через Python, Node.js и Java.