pdf-craft

把扫描版PDF变成可编辑文本，读书笔记一键搞定

pdf-craft 是一个专注于将扫描版 PDF 书籍转换为其他格式的开源工具。它利用 deepseek-ocr 等 OCR 技术，解决扫描 PDF 中文字无法复制、搜索和编辑的痛点。核心能力包括：高精度 OCR 识别、版面分析、文本提取与结构化输出，支持将 PDF 转换为可编辑的文本、Markdown 等格式。项目旨在为数字化阅读、知识管理和文档处理提供自动化流水线，尤其适合处理大量扫描书籍的场景。

开源 unknown 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 6128

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类计算机视觉

开发团队oomol-lab

所属国家

官网地址https://inkora.oomol.com

GitHubhttps://github.com/oomol-lab/pdf-craft

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deepseek-ocr,document,ocr,pdf

GitHub 星标★ 6128

30天Star增速

HF 下载量

上线时间2025-02-12 00:00:00

最近更新2026-08-13 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2026-08-14

浏览次数0

核心亮点

基于 deepseek-ocr，识别精度高，尤其对中文扫描件效果好
专攻扫描书籍场景，处理流程针对性强，而非通用 PDF 工具
Python 实现，易于集成到自动化工作流中

不足之处

依赖外部 OCR 服务或模型，可能需网络或算力资源
文档/社区待观察

适用场景

将扫描版 PDF 书籍转换为可搜索的电子文档
批量提取 PDF 中的文字用于知识库构建
辅助制作读书笔记或引用文献内容

替代项目

PaddleOCR、Tesseract OCR、pdf2text

项目介绍

pdf-craft 是一个计算机视觉领域的开源项目，官方简介：PDF craft can convert PDF files into various other formats. This project will focus on processing PDF files of scanned books.。项目使用 Python 开发，在 GitHub 上获得 6128 星标。

上一篇：Lifelong-nnUNet

下一篇：DEIMv2