opendataloader-project/opendataloader-pdf

PDFをMarkdown/JSON/HTMLに構造保持で変換するOSS「OpenDataLoader PDF」がベンチマーク1位で海外話題に。 表・数式・見出しも崩れない。 Obsidian + Claude Code のPARA運用で PDF資料を自動取り込みする仕組みに組み込めそう。

Matched through a repo-specific project phrase query.

⭕⭕ This open-source PDF parser is insanely fast 100+ pages per second on CPU only. No GPU. No cloud. Runs completely locally on your machine. OpenDataLoader PDF just exploded to 16.8k stars on GitHub. ⭕What it delivers: → Clean Markdown, JSON, and HTML from any PDF → Bounding boxes + exact page numbers for every element → Perfect reading order (even in complex multi-column layouts) → Built-in OCR for scanned PDFs (80+ languages) → Automatically strips hidden prompt injections ⭕The killer RAG feature: Every extracted element keeps its precise location in the original PDF. You can trace any LLM answer straight back to the exact paragraph or table. ⭕For tricky documents it switches to smart hybrid mode :- simple pages run locally at blazing speed, while tough ones (like complex tables) can optionally use an AI backend, pushing table accuracy from 0.49 to 0.93. Zero API keys. Zero limits. Fully open source.

Matched through a repo-specific project phrase query.

opendataloader-project/opendataloader-pdf: PDF Parser for AI-ready data. Automate PDF accessibility. Open-source. github.com/opendataloader-pr…

Contains the exact GitHub repo slug.

【好物分享】 一句话说清： 这个开源PDF解析工具综合评分第一，100页/秒，本地运行不需要GPU 项目叫 OpenDataLoader PDF，主打AI-ready数据提取。 能提取带边界框的Markdown/JSON/HTML，格式非常干净。 支持哪些功能？ ✅ 扫描PDF支持OCR文字识别 ✅ 复杂表格/公式/图表都能完整解析 ✅ 可生成带标签的PDF方便后续处理 ✅ 本地运行无需上传，隐私安全有保障 ✅ 自带AI安全过滤，多语言支持 好家伙，benchmark综合得分0.907，排名第一。 在阅读顺序、表格、标题提取三个维度都是第一。 数据来看：速度真的快到离谱——100页每秒。 对比市面上其他工具： 比docling/marker/pymupdf4llm都要更快。 默认就提供全元素边界框信息，支持原生标签PDF解析。 全程无GPU依赖，普通CPU就能跑。 核心是：做AI训练数据集，需要批量解析PDF的朋友。 这个工具真的能帮你省掉90%的手动清理时间。 而且完全开源免费，直接clone就能用。 需要批量处理PDF做数据集的朋友，赶紧去试试。 你平常处理PDF，最头疼什么问题？👀

Matched through a repo-specific project phrase query.