夜雨聆风1，PDFgear
它真的很好用，而且免费，几乎覆盖了日常对PDF的所有操作——阅读、编辑、批注、格式转换、合并拆分、压缩、OCR文字识别，它的下载也很简单：pdfgear.com/zh/
并且它还支持浏览器在线编辑
2，opendataloader-pdf
在GitHub开源的PDF解xi器。它能把PDF里的表格、多栏排版、图文混排内容，不乱序地提取出来，喂给AI让它看懂：https://github.com/opendataloader-project/opendataloader-pdf
对于需要处理大量 PDF 做 AI 训练、知识库构建的人来说，这东西是把最硬的骨头啃下来交给你
如果你有一篇这样的论文：
左边一栏是正文
右边一栏是图片和注释
中间还有一个复杂的表格
下面有道数学公式
你把这个PDF直接扔给AI，AI看到的是一堆乱七八糟的字符，分不清哪句是哪句，表格也变成一团乱码，而OpenDataLoader-PDF就像一个“翻译官”，它能把左右两栏的正文按正确顺序排好，表格完整地提取出来，数学公式识别成AI能理解的格式，扫描版的图片里的文字也能认出来，最后输出成一份干干净净的Markdown或JSON文件
环境要求
Java （https://adoptium.net/）点击“Download”，下载后，双击安装文件，一路点击“下一步”或“继续”，直到完成 Python（https://www.python.org/downloads/）
安装使用
安装OpenDataLoader-PDF：打开电脑的“终端”（Windows搜索“cmd”，Mac搜索“终端”），在黑框框里，输入这行命令：pip install opendataloader-pdf，然后按回车三行代码就能用：
1、新建一个文本文件，把下面代码复制进去，，保存文件名为 my_parse.py
2、打开终端，输入 python my_parse.py 并回车，等待运行结束
import opendataloader_pdfopendataloader_pdf.convert( input_path=["file1.pdf", "file2.pdf", "folder/"], output_dir="output/", format="markdown,json")3， PaddleOCR
可以识别 纯扫描件（图片型PDF），没有文字层的PDF，无论是打印的、手写的，还是照片里的文字，它都能识别。
它支持 80 多种语言，对中英文的识别精准度高，表格、印章都能处理，不仅能识别文字，还能检测文字位置、判断排版方向
详细的安装、使用文档：https://www.paddleocr.ai/latest/#paddleocr-vl
GitHub：https://github.com/PaddlePaddle/PaddleOCR
在线使用：https://aistudio.baidu.com/paddleocr
I love PDF，合并、拆分、压缩、转换、旋转和解锁PDF文件，以及给PDF文件添加水印的工具等：https://www.ilovepdf.com/zh-cn
PDF派，几十个处理工具：https://www.pdfpai.com/
万兴HiPDF，PDF的转换、合并、压缩和拆分：https://www.hipdf.cn/
docsmall，图片压缩，PDF处理：https://docsmall.com/
iLovePDF(两个一样的名字，应该这个是正的)：https://www.ilovepdf.com/
PDF24 Tools，PDF文件及其他各类文件在线处理：https://tools.pdf24.org/en
点分享
点收藏
点点赞
点在看
