10款PDF解析工具汇总：

1、Doc2x

可以将 PDF 文件转换为 Markdown、LaTeX、DOCX
可以解析排版、数学公式、表格、图片、图表等，对包含表格和公式的文档处理效果较好，国内的不少大模型厂商在使用，中英文档处理效果比mathpix好

体验地址：https://doc2x.noedgeai.com

2、gptpdf（开源）

只用293行代码，几乎完美地解析了排版、数学公式、表格、图片、图表等，上限是gpt-4o的能力，期待后续进步一步的迭代.

方法：
使用 PyMuPDF 库，对 PDF 进行解析出所有非文本区域，并做好标记
使用视觉大模型（如 GPT-4o）进行解析，得到markdown 文件

Github：https://github.com/CosmosShadow/gptpdf

3、RAGFlow（开源）

RAGFlow是基于深度文档理解的开源 RAG（检索增强生成）引擎，为了解决幻觉问题，项目方在文档解析模块做了创新，采用了自创的deep document understanding方法

支持Word、幻灯片、Excel、txt、图像、扫描件、结构化数据、网页等复杂的非结构化数据解析，包含各种不同场景模版，比如发票、简历、财报等

Github：https://github.com/infiniflow/ragflow

4、mathpix（据说claude数学能力强因为用了mathpix）

可以解析文本、数学、化学、手写识别、表格、外语和完整PDF文档，输出LaTeX 、Markdown、Word等格式。
支持类似谷歌的搜索功能

体验地址：https://mathpix.com

5、庖丁PDFlux

提取 PDF / 图片中的表格和文字，AI 智能生成摘要/搜索/改写/翻译

体验地址：https://pdflux.com

6、pix2text（开源）

支持多语言，可以识别图片中的版面、表格、图片、文字、数学公式等，输出Markdown 格式

也可以把整个 PDF 文件（PDF 可以是扫描图片或者其他任何格式）转换为 Markdown

体验地址：https://huggingface.co/spaces/breezedeus/Pix2Text-Demo
Github：https://github.com/breezedeus/Pix2Text

7、TextIn

• 可以识别文档或图片中的文字信息，按常见阅读顺序进行还原
• 支持标准的年报、文书、函件、合同等文档，兼容扫描文档和电子PDF文件

体验地址：https://textin.com/experience/pdf_to_markdown

8、腾讯云文档识别

可将图片或PDF文件转换成Markdown格式文件，包括表格、公式、图片和文本等，并转换为阅读顺序，可将文档内容转换成阅读格式

体验地址：https://ocrdemo.cloud.tencent.com

9、marker（开源）

支持多语言多文档类型，针对书籍和科学论文做了优化

Github：https://github.com/VikParuchuri/marker

10、Paddle

通用表格识别是飞桨特色的端到端表格识别系统，可精准预测论文、报告等文档中的表格位置和内容

体验地址：https://aistudio.baidu.com/community/app/91661/webUI