Skip to content

Latest commit

 

History

History
83 lines (42 loc) · 2.22 KB

README_CN.md

File metadata and controls

83 lines (42 loc) · 2.22 KB

gptpdf

CN doc EN doc

使用视觉大语言模型（如 GPT-4o）将 PDF 解析为 markdown。

我们的方法非常简单(只有293行代码)，但几乎可以完美地解析排版、数学公式、表格、图片、图表等。

每页平均价格：0.013 美元

我们使用 GeneralAgent lib 与 OpenAI API 交互。

处理流程

  1. 使用 PyMuPDF 库，对 PDF 进行解析出所有非文本区域，并做好标记，比如:

  1. 使用视觉大模型（如 GPT-4o）进行解析，得到 markdown 文件。

样例

有关 PDF，请参阅 examples/attention_is_all_you_need/output.md examples/attention_is_all_you_need.pdf。

安装

pip install gptpdf

使用

from gptpdf import parse_pdf
api_key = 'Your OpenAI API Key'
content, image_paths = parse_pdf(pdf_path, api_key=api_key)
print(content)

更多内容请见 test/test.py

API

parse_pdf(pdf_path, output_dir='./', api_key=None, base_url=None, model='gpt-4o', verbose=False)

将 pdf 文件解析为 markdown 文件，并返回 markdown 内容和所有图片路径列表。

  • pdf_path：pdf 文件路径

  • output_dir：输出目录。存储所有图片和 markdown 文件

  • api_key：OpenAI API 密钥（可选）。如果未提供，则使用 OPENAI_API_KEY 环境变量。

  • base_url：OpenAI 基本 URL。（可选）。如果未提供，则使用 OPENAI_BASE_URL 环境变量。

  • model：OpenAI Vison LLM 模型，默认为“gpt-4o”。您也可以使用 qwen-vl-max

  • verbose：详细模式

  • gpt_worker: gpt解析工作线程数，默认为1. 如果您的机器性能较好，可以适当调高，以提高解析速度。

加入我们👏🏻

使用微信扫描下方二维码，加入微信群聊，或参与贡献。

wechat