doctor 是办公效率领域的开源项目，由 freelawproject 开发，2020 年首次发布。
它收录于办公效率分类，该分类目前共有 157 个项目，GitHub 星标数为 134。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-28。开源免费，需自行部署。
它主要面向的使用场景是：企业知识库批量导入历史PDF和扫描件并抽取文本。同类可对比的替代方案包括 Apache Tika、Unstructured。
doctor
把 PDF、扫描件批量转成可提取文本的微服务
doctor 是一个用 Python 编写的文档转换微服务，目标是在大规模场景下把各种格式的文档统一转成可处理的格式。它解决的是企业或平台中散落的 PDF、图片、Office 文档难以批量提取和转换的问题：通过微服务接口接收文件，内部调用 ffmpeg、OCR、PDF 解析等组件，输出文本或结构化内容。核心能力包括多格式文档接入、OCR 识别扫描件、PDF 内容抽取，以及以服务方式横向扩展处理量。项目定位偏基础设施，适合嵌入已有内容流水线，而不是给终端用户直接使用的工具。当前星标约 134，属于早期项目，接口和部署方式可能还会调整，采用前建议先小规模验证。
开源
free
办公效率
GitHub 星标
★ 134
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类办公效率
开发团队freelawproject
所属国家
定价模式free
价格说明开源免费，需自行部署
访问状态
是否开源是
开源协议BSD-2-Clause
主要语言Python
技术栈/模型document,extraction,ffmpeg,ocr,pdf
GitHub 星标★ 134
30天Star增速
HF 下载量
上线时间2020-09-10 00:00:00
最近更新2026-09-28 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-30
浏览次数0
使用教程
核心亮点
- 以微服务形式提供文档转换，方便接入已有内容处理流水线并横向扩容
- 集成 OCR 与 PDF 抽取，能处理扫描件和普通 PDF 两类常见来源
- 基于 Python，依赖 ffmpeg 等成熟组件，二次开发和部署门槛较低
不足之处
- 项目早期，星标少，接口稳定性和长期维护节奏待观察
- 文档与社区生态较薄，遇到冷门格式或复杂版式时排查成本可能较高
适用场景
- 企业知识库批量导入历史 PDF 和扫描件并抽取文本
- 内容平台把用户上传的多格式文档统一转成可检索文本
- 数据团队在 ETL 流程中前置一层文档解析微服务
替代项目
Apache Tika、Unstructured
项目介绍
下一篇：没有了！
同类项目推荐
sunshine-control-panel
开源
一站式管理游戏库、监控内存，AI 助手加持，让大屏启动更高效。
Sunshine Foundation 大屏桌面管理器 | Tauri + Vue 3，游戏库管理、米塔AI助手、内存监控···
Stirling PDF
开源
本地部署 PDF 工具箱
#1 PDF Application on GitHub that lets you edit PDFs on any device anywhere
obsidian-md2wechat
开源
一键将 Obsidian 笔记排版成公众号文章，告别手动调格式
Obsidian → WeChat | Obsidian 插件一键排版发布到微信公众号，键排版发布到微信公众号：···
pdf2md
开源
浏览器里直接把 PDF 变成 Markdown，不用上传，隐私安全。
Browser based tool to convert PDFs to Markdown