Marker：快速準(zhǔn)確地將 PDF 和圖像轉(zhuǎn)換為 Markdown、JSON 和 HTML

在日常工作和學(xué)習(xí)中，我們經(jīng)常會遇到需要將 PDF 或圖像文件轉(zhuǎn)換為其他格式的需求。無論是為了編輯、存檔還是分享，格式轉(zhuǎn)換都是一個常見但繁瑣的任務(wù)。幸運的是，現(xiàn)在有一款強(qiáng)大的工具——Marker，它能夠快速、準(zhǔn)確地將 PDF 和圖像文件轉(zhuǎn)換為 Markdown、JSON 和 HTML 格式，極大地提升了工作效率。

什么是 Marker？

Marker 是一款基于先進(jìn) OCR（光學(xué)字符識別）技術(shù)的文件轉(zhuǎn)換工具。它不僅可以處理 PDF 文件，還能處理各種圖像格式（如 PNG、JPEG 等），并將其內(nèi)容轉(zhuǎn)換為結(jié)構(gòu)化的 Markdown、JSON 或 HTML 格式。無論是文字、表格還是圖像，Marker 都能精準(zhǔn)識別并轉(zhuǎn)換，確保輸出內(nèi)容的完整性和準(zhǔn)確性。

Marker 的核心功能

1. 高精度 OCR 識別

Marker 采用了最新的 OCR 技術(shù)，能夠準(zhǔn)確識別 PDF 和圖像中的文字內(nèi)容。即使是復(fù)雜的排版、多列文本或手寫字體，Marker 也能輕松應(yīng)對，確保轉(zhuǎn)換后的內(nèi)容與原文件高度一致。

2. 多格式輸出

Marker 支持將文件轉(zhuǎn)換為多種格式，滿足不同場景的需求：

• ? Markdown：適合需要進(jìn)一步編輯或發(fā)布到博客、文檔平臺的用戶。
• ? JSON：適合開發(fā)者和數(shù)據(jù)分析師，方便進(jìn)行結(jié)構(gòu)化數(shù)據(jù)處理。
• ? HTML：適合需要網(wǎng)頁展示或嵌入到網(wǎng)站中的用戶。

3. 批量處理

Marker 支持批量處理文件，用戶可以一次性上傳多個 PDF 或圖像文件，Marker 會自動將其轉(zhuǎn)換為指定的格式，大大節(jié)省了時間和精力。

4. 保持原始格式

Marker 不僅能夠識別文字內(nèi)容，還能保留原始文件的格式，如標(biāo)題、段落、列表、表格等。轉(zhuǎn)換后的 Markdown、JSON 或 HTML 文件能夠清晰地反映原文件的結(jié)構(gòu)，方便后續(xù)編輯和使用。

5. 跨平臺支持

Marker 支持多種操作系統(tǒng)，包括 Windows、macOS 和 Linux，用戶可以在不同的設(shè)備上使用 Marker 進(jìn)行文件轉(zhuǎn)換。

使用場景

1. 文檔編輯與整理

如果你需要將 PDF 或掃描件中的內(nèi)容提取出來進(jìn)行編輯，Marker 可以快速將其轉(zhuǎn)換為 Markdown 格式，方便你在 Markdown 編輯器中進(jìn)行修改和整理。

2. 數(shù)據(jù)提取與分析

對于需要從 PDF 或圖像中提取數(shù)據(jù)的用戶，Marker 可以將內(nèi)容轉(zhuǎn)換為 JSON 格式，方便導(dǎo)入到數(shù)據(jù)庫或進(jìn)行進(jìn)一步的數(shù)據(jù)分析。

3. 網(wǎng)頁內(nèi)容生成

如果你需要將 PDF 或圖像內(nèi)容發(fā)布到網(wǎng)頁上，Marker 可以將其轉(zhuǎn)換為 HTML 格式，直接嵌入到網(wǎng)站中，節(jié)省了手動編寫 HTML 代碼的時間。

4. 學(xué)術(shù)研究與文獻(xiàn)管理

對于學(xué)術(shù)研究者來說，Marker 可以幫助快速提取文獻(xiàn)中的文字內(nèi)容，并將其轉(zhuǎn)換為結(jié)構(gòu)化的格式，方便進(jìn)行文獻(xiàn)管理和引用。

如何使用 Marker？

使用 Marker 非常簡單，只需以下幾個步驟：

1. 1. 下載并安裝：訪問 Marker 的官方網(wǎng)站，下載適合你操作系統(tǒng)的版本并安裝。

pip install marker-pdf

from marker.converters.pdf import PdfConverter
from marker.models import create_model_dict
from marker.output import text_from_rendered

converter = PdfConverter(
    artifact_dict=create_model_dict(),
)
rendered = converter("FILEPATH")
text, _, images = text_from_rendered(rendered)

1. 2. 上傳文件：打開 Marker，選擇需要轉(zhuǎn)換的 PDF 或圖像文件。
2. 3. 選擇輸出格式：根據(jù)需要選擇 Markdown、JSON 或 HTML 格式。
3. 4. 開始轉(zhuǎn)換：點擊“轉(zhuǎn)換”按鈕，Marker 會自動處理文件并生成轉(zhuǎn)換后的內(nèi)容。
4. 5. 保存與使用：將轉(zhuǎn)換后的文件保存到本地，方便后續(xù)使用。

結(jié)語

Marker 作為一款高效、精準(zhǔn)的文件轉(zhuǎn)換工具，能夠幫助用戶輕松應(yīng)對 PDF 和圖像文件的轉(zhuǎn)換需求。無論是文檔編輯、數(shù)據(jù)分析還是網(wǎng)頁生成，Marker 都能提供強(qiáng)大的支持。如果你經(jīng)常需要處理 PDF 或圖像文件，不妨試試 Marker，相信它會成為你的得力助手。

閱讀原文：原文鏈接