pdfdeal 是搜索知识领域的开源项目，由 NoEdgeAI 开发，2024 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 288。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-12。
它主要面向的使用场景是：构建企业知识库，将PDF文档转为结构化文本。同类可对比的替代方案包括 PyMuPDF、pdfplumber、marker。
pdfdeal
PDF 秒变高质文本，RAG 召回率翻倍
pdfdeal 是一个 Python 工具库，主要封装了 Doc2X API，用于将 PDF 等文档转换为高精度 Markdown/LaTeX，同时内置本地文本处理功能，旨在提升 PDF 在 RAG（检索增强生成）场景中的召回率。它解决了 PDF 解析中常见的格式错乱、表格识别差、公式乱码等问题，核心能力包括：调用 Doc2X 进行高质量文档解析、本地后处理（如去页眉页脚、修复换行）、批量处理、多格式输出（Markdown/LaTeX/文本）等。项目面向需要构建知识库或进行文档问答的开发者，简化了从 PDF 到结构化文本的流程。
开源
unknown
搜索知识
GitHub 星标
★ 288
维护状态
低维护
是否开源
是
定价模式
unknown
项目数据
分类搜索知识
开发团队NoEdgeAI
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型doc2x,ocr,pdf,rag
GitHub 星标★ 288
30天Star增速
HF 下载量
上线时间2024-05-28 00:00:00
最近更新2026-09-12 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 封装 Doc2X API，解析精度高，支持复杂表格和公式
- 本地后处理优化文本，显著提升 RAG 检索效果
- 批量处理与多格式输出，集成简单，适合自动化流程
不足之处
- 依赖外部 API，非完全离线，需网络和 API Key
- 文档/社区待观察
适用场景
- 构建企业知识库，将 PDF 文档转为结构化文本
- RAG 系统中的文档预处理，提升检索准确性
- 学术论文批量解析为 Markdown/LaTeX
替代项目
PyMuPDF、pdfplumber、marker
项目介绍
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···