Pdf-extract-API

该项目提供一种工具，用于将图像和 PDF 文件高精度地转换为 Markdown 和 JSON 格式的文本，包括支持表格数据和数学公式。

该工具基于 FastAPI，使用 Celery 进行异步处理，使用 Redis 缓存 OCR 结果，提供多种OCR策略，如 Marker、Surya-OCR 和 Tesseract，还能移除个人身份信息。

🧬 https://github.com/CatchTheTornado/pdf-extract-api

#tools