pd3f

把 PDF 转成干净段落文本，去掉页眉页脚和断词

开源 🏷️基础免费，高级付费 ⏳ 访问状态待核验 办公效率 🍴 复刻 37 👀 关注 6
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 335
维护状态 活跃
是否开源 开源
定价模式 🏷️基础免费，高级付费 支持限时试用 · 开源免费，自托管；官网提供云端服务，定价信息待确认

项目预览

pd3f 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类办公效率
开发团队pd3f
官网地址https://pd3f.com
GitHubhttps://github.com/pd3f/pd3f
定价模式🏷️基础免费，高级付费
价格说明开源免费，自托管；官网提供云端服务，定价信息待确认
访问状态⏳ 访问状态待核验
是否开源是
开源协议AGPL-3.0
主要语言Python
技术栈/模型extract-text,language-model,machine-learning,ocr,pd3f,pdf,pdf-to-text,pipeline,python,text-extraction
GitHub 星标★ 335
上线时间2020-05-23 00:00:00
代码更新2026-10-27
仓库体积2.1 MB
本站数据更新2026-10-30
维护状态活跃
收录时间2026-10-30
浏览次数0

项目介绍

pd3f 是一个面向 PDF 文本抽取的 Python 工具，目标是解决普通 PDF 转文本后段落断裂、连字符残留、页眉页脚混入正文、脚注与正文粘连等排版噪声问题。它把抽取流程拆成多个可组合的步骤：先解析 PDF 字符与位置信息，再基于语言模型与机器学习判断行间关系，重建段落、合并被连字符拆开的单词、识别并剔除页眉页脚、区分脚注与正文，对扫描件还提供 OCR 支持。项目同时提供 Python 库、命令行工具和可自托管的 Web 应用三种使用形态，方便集成到文档处理流水线，也方便非开发者直接上传 PDF 查看结构化结果。适合需要把大批量 PDF 转为可读、可检索文本的办公与研究场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-10-30 · 当前星标 ★ 335

核心亮点

  • 抽取流程模块化，段落重建、连字符合并、页眉页脚识别、脚注分离各自独立，可按需组合或替换
  • 同时提供 Python 库、CLI 和自托管 Web 界面，开发集成与人工试用都方便
  • 内置 OCR 环节，对扫描版 PDF 也能走通文本抽取流程

不足之处

  • 星标数较少，属于早期项目，长期维护与社区活跃度有待观察
  • 依赖机器学习模型，安装体积与运行资源开销高于纯规则型抽取工具
  • 对复杂多栏、表格密集或图文混排的 PDF，抽取质量可能不稳定

适用场景

  • 批量把学术论文 PDF 转为可检索的纯文本，保留段落结构并剥离页眉页脚
  • 企业内部搭建自托管服务，让员工上传 PDF 后直接获得整理好的正文
  • 为下游 NLP 或检索系统做 PDF 预处理，输出干净的段落级文本

替代项目

PyMuPDF、pdfplumber、GROBID

上一篇：doclytics

下一篇：archive-pdf-tools

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···

★ 451 2026-08-09
MADOLA 开源

一份文件写公式、算结果、出代码

MADOLA integrates mathematical notation, computation, documentation, and code genera···

★ 166 2026-09-14
markitdown 开源

把各种文档一键转成 Markdown，喂给 AI 直接吃

Python tool for converting files and office documents to Markdown.

★ 192866 2026-08-10
jira-assistant 开源

浏览器里直接管 Jira，少切页面快记工时

Repository containing source code of Jira Assistant browser extension. This is also ···

★ 285 2026-10-16
PasteMD 开源

复制 AI 对话，粘贴进 Word/Excel，格式不乱码

一键将 Markdown 和网页 AI 对话（ChatGPT/DeepSeek等）完美粘贴到 Word、WPS 和 Excel 的···

★ 5405 2026-08-09
SummaryYou 开源

看视频、读文章、翻文档，AI 一键帮你总结要点

Summarize YouTube-Videos, Articles, Images and Documents with AI

★ 203 2026-08-09
WorkShadow 开源

本地记录工作日志，AI 帮你秒搜秒总结

如影随形 · 本地优先桌面工作日志：富文本记录、语义检索、工作台总结/问答；模型自配，数···

★ 3 2026-08-09
ReTheme 开源

给 ChatGPT 桌面端换肤，安全又社区化

为 ChatGPT、Codex 桌面端打造的安全、可更新、社区驱动主题换肤软件。Open-source deskto···

★ 137 2026-08-09
doctor 开源

把 PDF、扫描件批量转成可提取文本的微服务

A microservice for document conversion at scale

★ 137 2026-09-30