pdf-extract-api
P
Pdf Extract Api
简介 :
pdf-extract-api是一个使用现代OCR技术和Ollama支持的模型将任何文档或图片转换为结构化的JSON或Markdown文本的API。它使用FastAPI构建,并使用Celery进行异步任务处理,Redis用于缓存OCR结果。该API无需云或外部依赖,所有处理都在本地开发或服务器环境中完成,确保数据安全。它支持PDF到Markdown的高精度转换,包括表格数据、数字或数学公式,并且可以使用Ollama支持的模型进行PDF到JSON的转换。此外,该API还支持LLM改进OCR结果,去除PDF中的个人身份信息(PII),以及分布式队列处理和缓存。
需求人群 :
目标受众包括需要高精度文档转换服务的开发者和企业,特别是那些对数据隐私和安全性有高要求的用户。该API适合需要将大量文档转换为结构化数据的场合,如法律文件、医疗报告和财务发票等。
总访问量: 474.6M
占比最多地区: US(19.34%)
本站浏览量 : 76.5K
使用场景
将MRI报告转换为Markdown和JSON
将发票转换为JSON并去除PII
使用不同的OCR策略进行PDF到Markdown的转换
产品特色
高精度PDF到Markdown和JSON的转换
使用PyTorch基于Marker的OCR和Ollama模型进行本地处理
支持LLM改进OCR文本结果
去除PDF中的个人身份信息(PII)
分布式队列处理使用Celery
使用Redis缓存OCR结果
命令行工具用于发送任务和处理结果
使用教程
1. 克隆仓库到本地
2. 设置环境变量并创建.env文件
3. 使用Docker Compose构建并运行Docker容器
4. 使用CLI工具上传文件进行OCR转换
5. 获取OCR结果
6. 清除OCR缓存
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase