PDF转Markdown怎么转得准Dolphin把表格与公式都解析成可编辑文本【免费下载链接】DolphinThe official repo for “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.项目地址: https://gitcode.com/GitHub_Trending/dolphin33/Dolphin从 PDF 里复制文字常常错位表格和公式只能对着屏幕重打。Dolphin 是一个开源的 PDF转Markdown 工具它把文档里的正文、表格、公式、代码分开解析直接输出可编辑的 Markdown 文件。谁会用 Dolphin 做 PDF转Markdown读论文要复用公式和表格、整理技术文档、把扫描报告变成可编辑文字Dolphin 都适用。它支持 PDF 和常见图片格式多页 PDF 可以逐页处理。快速上手安装并完成第一次转换先克隆仓库并装好依赖git clone https://gitcode.com/GitHub_Trending/dolphin33/Dolphin cd Dolphin pip install -r requirements.txt再从 Hugging Face 下载 Dolphin-v2 预训练模型放到本地./hf_model目录然后直接转换仓库自带的示例 PDFpython demo_page.py --model_path ./hf_model --save_dir ./results \ --input_path ./demo/page_imgs/page_6.pdf结果保存在./results/markdown/下包含 Markdown 文件、带元素坐标的 JSON 和裁出的图片可以对照 demo/page_imgs/ 里的原页检查。核心能力表格、公式、代码各自怎么被识别Dolphin 分两步工作先判断整页的版面和阅读顺序再把每个元素切出来并行解析。具体表现是表格输出为 Markdown 表格保留行列结构公式输出为 LaTeX块级和行内公式都能识别代码区域转成代码块保留换行段落、标题按原页面的阅读顺序排列整体结构与原文一致含公式、含代码的 PDF 怎么转可选参数怎么调默认demo_page.py解析整页。某类内容效果不好时可改用元素级解析运行demo_element.py用--element_type指定 table、formula、text 或 code单独解析该类型的裁剪区域。想先确认版面划分与阅读顺序可单独运行demo_layout.py只输出版面结构。批量解析多个文件时还能用--max_batch_size调节并行数量与速度。转换效果不理想时怎么办公式缺符号先确认原页是否模糊换成高分辨率图片再试表格行列错位用demo_element.py加--element_type table单独重跑该表格元素顺序混乱常见于多栏排版先用demo_layout.py检查版面阶段是否切分正确也可把问题页面提交到仓库 issueDolphin 是较轻量的 PDF转Markdown 开源方案适合批量整理论文与技术文档。可以先转换仓库里的样例页确认效果符合预期后再接手自己的文档。【免费下载链接】DolphinThe official repo for “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.项目地址: https://gitcode.com/GitHub_Trending/dolphin33/Dolphin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考