opendataloader-pdf

Ne işe yarar?

OpenDataLoader PDF, PDF dosyalarını yapay zekâ modellerine uygun Markdown, JSON ve HTML formatlarına dönüştürür. Yerel belirleyici modun yanında karmaşık tablolar ve taranmış sayfalar için yapay zekâ destekli hibrit mod sunar. Çıkarılan JSON çıktısında metin ve nesnelerin sayfadaki tam koordinatlarını (sınırlayıcı kutu) sağlayarak kaynak doğrulamayı kolaylaştırır. Benzerlerinden farklı olarak etiketlenmemiş PDF'leri ekran okuyuculara uygun etiketli belgelere dönüştürerek erişilebilirlik sağlar.

Neler için kullanılabilir?

• PDF belgelerini RAG sistemleri için koordinat bilgili JSON ve Markdown'a dönüştürmek
• Taranmış belgelerdeki karmaşık ve kenarlıksız tabloları hibrit modla metne aktarmak
• Erişilebilirlik kurallarına uyum için PDF belgelerini ekran okuyuculara uygun etiketlemek
• LangChain gibi kütüphanelerle birlikte PDF veri yükleme adımlarını otomatikleştirmek

Nasıl kullanılır?

1. Sisteminizde Java 11 ve Python 3.10 sürümlerinin kurulu olduğunu java -version ile kontrol edin.
2. pip install -U opendataloader-pdf komutuyla kütüphaneyi kurun.
3. Python betiğinizde opendataloader_pdf.convert(input_path=[\dosya.pdf\“], output_dir=\”output/\“, format=\”markdown,json\")` kodunu çalıştırarak dönüştürün.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

PDF belgelerini yapay zekâ sistemlerine aktarmak ve erişilebilirlik standartlarına uydurmak isteyen geliştiriciler.

Aynı kategoriden

• markitdown Belgeleri ve ofis dosyalarını yapay zekâ modelleri için Markdown formatına çevirir.
• Stirling-PDF PDF belgelerini harici servislere göndermeden yerel ortamda düzenlemeyi sağlar.
• PaddleOCR Görselleri ve PDF belgelerini yapay zekâ için yapılandırılmış metne dönüştürür.
• MinerU (82K) Karmaşık PDF ve ofis belgelerini yapay zekâya hazır Markdown ve JSON formatına çevirir.
• tesseract Görsellerdeki ve taranmış belgelerdeki metinleri tanıyan açık kaynaklı OCR motorudur.
• docling Çeşitli belge formatlarını yapay zekâ uygulamaları için ayrıştırıp metne dönüştürür.