Marker

github.com/datalab-to/marker · 读文档 · CLI · 开源免费 · 自建即离线

把 PDF、扫描件批量转成 Markdown，公式、表格、图片位置都尽量保住，是给 RAG 做前置清洗的常用选择。

短板：首次运行要下模型；版面花哨的杂志页仍会把表格拆散，重要文档必须人工校一遍。

这个站点还没有截图：抓取时被拦截或页面没渲染出来，所以这里不放图——不放空的图框，也不放别人的截图。

访问站点 ↗

文档解析OCR 扫描件开源批量处理

同样用来「读文档」的其它选择

• MinerU — 把 PDF 转成 Markdown / JSON：扫描件、双栏论文、复杂表格基本保形，公式也认得出来。给知识库喂文档的第一步就用它。
• Docling — IBM 出的文档解析库，PDF / DOCX / PPTX 统一转成结构化数据，自带版面分析和表格结构，适合写进自己的流水线。
• NotebookLM — 把一堆资料丢进去，它只根据这些资料回答，每条结论能点回原文；还能把资料生成一段中文播客。

← 全部 155 个工具 · 自建选型矩阵 · 痛点专题