想要解析pdf文件，将文字，表格 图片 提取出来 图片交给大模型解析，然后将文字描述替换拼接到提取的文字中，佬友 现在有什么快捷，准确的办法来实现
3 个赞
把pdf转换成word文档
GPT会自己解析的
如果是交给大模型解析，gemini支持pdf的
好东西试试看
昨天还在mac本地搓一个带OCR的mcp直接帮codex去看文档
我试试 我都是手动提取 然后将图片提交给大模型，最后拼接的时候 现在的包处理图片 位置提取的不准
是有个需求 需要先解析文件 然后再喂大模型api
MinerU也有api免费额度，可以试一下
嗯嗯 我去试试看
Adobe Acrobat里面自带OCR，然后把OCR给AI通过上下文修复
Claude code不是有个skill是操作pdf的，可以用这个skill试下
可以用mineru提取出来，然后把图片的位置替换为对应的图片描述，gemini可以直接解析，我猜测他们应该也是对pdf做了解析，将其转为了文本；或者把pdf为每一页提取为一张图片给LLM进行处理
pymupdf 我是使用这个库，然后把图片给大模型解析，最后再替换 但时候这个库处理表格 解析的时候有点问题，直接按照文字提取的话 就看不出这个是表格数据了
mineru会把表格解析成html的格式，效果还可以，但是对于一些复杂的表格，也不能保证百分百正确，你可以先大概测试一下，看一下表格的解析是否有问题，如果会出现解析错误的情况的话，可能得通过多种方式对表格分别进行解析，比如分别使用mineru、paddle，gemini等对这个表格进行解析，然后在保证结果都相同的情况下确认这个表格是被正确解析的。
你直接去对mineru解析出来的中间结果进行处理，最后把处理的结果全部拼接起来，不要直接在他输出的md文档上处理。
1 个赞