pdf-ocr

What problem does it solve?

将 PDF 的內容提取工作自動化，結合 OCR、公式識別與圖片辨識，降低手動轉錄與校對成本，提升工作效率。

Core Features & Use Cases

• 高品質 OCR：使用 PP-OCRv5 進行中英文識別與排版保留。
• 公式提取：支援科學公式轉為 MathML，或保留 LaTeX 原始格式。
• 路徑自動修正與穩定化：內建 clean_path 類型邏輯，處理不規範的檔案路徑。
• 硬體加速：預設使用 CUDA，優化高端顯示卡的性能。

Quick Start

在專案目錄下執行 pdf-ocr 的工具，輸入待處理的 PDF 路徑並指定輸出目錄。