需要把 PDF 批量转成 Markdown 喂给大模型？这个开源项目可能值得装一下：OpenDataLoader PDF，Apache-2.0 协议免费，纯 CPU 就能跑，单页只要 0.015 秒。
默认模式在本地运行，对付普通电子版 PDF 足够。遇到复杂表格、扫描件、公式，就切 hybrid 模式——在 200 份真实 PDF 的测试里，hybrid 模式综合得分 0.907、表格项 0.928，两个第一。
顺手对比了几款常用工具：docling 综合 0.882、每页 0.762 秒；marker 综合 0.861、每页却要 53.9 秒；pymupdf4llm 每页 0.091 秒，表格分只有 0.401。论速度和表格识别兼顾，OpenDataLoader PDF 这次确实领先。
它能输出 Markdown、带坐标的 JSON 和 HTML，做 RAG 分块、给引用标注出处都顺手；扫描件 OCR 支持 80 多种语言。还有个冷门但实用的功能：把没有标签的 PDF 自动转成读屏软件可用的 Tagged PDF，这种事人工做一份成本在 50 到 200 美元。
项目地址：https://github.com/opendataloader-project/opendataloader-pdf
用之前先装 Java 11 以上版本。
正文完