Marker：快速準確地將 PDF 和圖像轉換為 Markdown、JSON 和 HTML

在日常工作和學習中，我們經常會遇到需要將 PDF 或圖像文件轉換為其他格式的需求。無論是為了編輯、存檔還是分享，格式轉換都是一個常見但繁瑣的任務。幸運的是，現在有一款強大的工具——Marker，它能夠快速、準確地將 PDF 和圖像文件轉換為 Markdown、JSON 和 HTML 格式，極大地提升了工作效率。

什么是 Marker？

Marker 是一款基于先進 OCR（光學字符識別）技術的文件轉換工具。它不僅可以處理 PDF 文件，還能處理各種圖像格式（如 PNG、JPEG 等），并將其內容轉換為結構化的 Markdown、JSON 或 HTML 格式。無論是文字、表格還是圖像，Marker 都能精準識別并轉換，確保輸出內容的完整性和準確性。

Marker 的核心功能

1. 高精度 OCR 識別

Marker 采用了最新的 OCR 技術，能夠準確識別 PDF 和圖像中的文字內容。即使是復雜的排版、多列文本或手寫字體，Marker 也能輕松應對，確保轉換后的內容與原文件高度一致。

2. 多格式輸出

Marker 支持將文件轉換為多種格式，滿足不同場景的需求：

• ? Markdown：適合需要進一步編輯或發布到博客、文檔平臺的用戶。
• ? JSON：適合開發者和數據分析師，方便進行結構化數據處理。
• ? HTML：適合需要網頁展示或嵌入到網站中的用戶。

3. 批量處理

Marker 支持批量處理文件，用戶可以一次性上傳多個 PDF 或圖像文件，Marker 會自動將其轉換為指定的格式，大大節省了時間和精力。

4. 保持原始格式

Marker 不僅能夠識別文字內容，還能保留原始文件的格式，如標題、段落、列表、表格等。轉換后的 Markdown、JSON 或 HTML 文件能夠清晰地反映原文件的結構，方便后續編輯和使用。

5. 跨平臺支持

Marker 支持多種操作系統，包括 Windows、macOS 和 Linux，用戶可以在不同的設備上使用 Marker 進行文件轉換。

使用場景

1. 文檔編輯與整理

如果你需要將 PDF 或掃描件中的內容提取出來進行編輯，Marker 可以快速將其轉換為 Markdown 格式，方便你在 Markdown 編輯器中進行修改和整理。

2. 數據提取與分析

對于需要從 PDF 或圖像中提取數據的用戶，Marker 可以將內容轉換為 JSON 格式，方便導入到數據庫或進行進一步的數據分析。

3. 網頁內容生成

如果你需要將 PDF 或圖像內容發布到網頁上，Marker 可以將其轉換為 HTML 格式，直接嵌入到網站中，節省了手動編寫 HTML 代碼的時間。

4. 學術研究與文獻管理

對于學術研究者來說，Marker 可以幫助快速提取文獻中的文字內容，并將其轉換為結構化的格式，方便進行文獻管理和引用。

如何使用 Marker？

使用 Marker 非常簡單，只需以下幾個步驟：

1. 1. 下載并安裝：訪問 Marker 的官方網站，下載適合你操作系統的版本并安裝。

pip install marker-pdf

from marker.converters.pdf import PdfConverter
from marker.models import create_model_dict
from marker.output import text_from_rendered

converter = PdfConverter(
    artifact_dict=create_model_dict(),
)
rendered = converter("FILEPATH")
text, _, images = text_from_rendered(rendered)

1. 2. 上傳文件：打開 Marker，選擇需要轉換的 PDF 或圖像文件。
2. 3. 選擇輸出格式：根據需要選擇 Markdown、JSON 或 HTML 格式。
3. 4. 開始轉換：點擊“轉換”按鈕，Marker 會自動處理文件并生成轉換后的內容。
4. 5. 保存與使用：將轉換后的文件保存到本地，方便后續使用。

結語

Marker 作為一款高效、精準的文件轉換工具，能夠幫助用戶輕松應對 PDF 和圖像文件的轉換需求。無論是文檔編輯、數據分析還是網頁生成，Marker 都能提供強大的支持。如果你經常需要處理 PDF 或圖像文件，不妨試試 Marker，相信它會成為你的得力助手。

閱讀原文：原文鏈接