把 PDF 解析成带坐标信息的 JSON、Markdown 或 HTML，方便喂给 RAG 和 AI 流程，同时自动生成无障碍标签。

纯 Python 实现的 PDF 解析库，能从 PDF 中提取文本、布局和元数据，适合做文档解析、内容抽取和 RAG 数据预处理。

用 Rust 写的高性能 PDF 解析库，能快速判断 PDF 是扫描件还是文本型并抽取文字，方便后续决定走 OCR 还是直接解析。

用纯 Rust 从零实现的 PDF 阅读与编辑工具，可打开、查看并修改 PDF 文档，适合需要轻量、高性能 PDF 处理能力的场景。

高性能 Python 库，用来从 PDF、EPUB 等文档中提取文本、表格和图像，并做格式转换与页面操作，适合搭建文档解析和 RAG 数据管道。

能深入解析 PDF 中每个字符、矩形和线条的位置信息，方便提取文本和表格，适合处理结构复杂的 PDF 数据。

纯 Python 实现的 PDF 处理库，能拆分、合并、裁剪和变换 PDF 页面，无需外部依赖即可在脚本里完成常见 PDF 操作。

国产 PDF 工具箱，能编辑书签、裁剪旋转页面、解除限制、提取合并文档、探查结构，还能把 PDF 转成图片或提取图片。

收集系统编程、计算机科学等领域的技术论文、规范、手册和演示文稿 PDF，并提供在线浏览与搜索入口，方便按主题查找硬核技术资料。

在保留原始版面、公式和结构的前提下翻译 PDF，适合科研论文和技术文档，避免译文打乱排版。

Windows 上免费开源的 PDF 编辑器，自带 PDF 2.0 引擎，能查看、批注、OCR、合并拆分、编辑文字和填表签名，不用订阅。

把代码库连同文档、SQL schema、配置和 PDF 一起解析成可查询的知识图谱，供 Claude Code、Cursor 等编码 Agent 做代码检索，全程本地 AST 解析、不依赖向量库。

把 PDF、Office 等复杂文档转成 LLM 可直接用的 Markdown/JSON，内置版面分析和 OCR，专为 RAG 与 Agent 工作流准备语料。

把 PDF、DOCX、HTML 等文档解析成结构化 Markdown 或 JSON，方便喂给大模型和 RAG 流程。

把 PDF 快速转成 Markdown 和 JSON，解析准确率高，适合喂给 RAG 或做文档结构化处理。

轻量级 OCR 工具包，能把图片和 PDF 转成结构化数据，支持 100 多种语言，方便接入 LLM 和 RAG 流程。

老牌开源 OCR 引擎，用 LSTM 识别图片中的文字，支持上百种语言，适合做文档扫描和文本提取。

用 Rust 写的高性能开源文档解析器，能从 PDF 等文档中快速提取文本和 OCR 识别结果，适合给 RAG 和检索流程做预处理。

面向智能体的 RAG 检索引擎，把文档解析、知识编译和上下文管理整合成一套基础设施，帮 Agent 稳定拿到高质量检索结果。

字节跳动开源的文档图像解析模型，用异构锚点提示把 PDF 和图片里的版面、文字、表格一次性解析成结构化内容，适合喂给 RAG 或做文档分析。

🌈一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.

用小型专用模型搭建企业级 RAG 流水线的统一框架，覆盖文档解析、检索和智能体编排，适合在本地或私有环境部署。

把 PDF、DOCX、图片等复杂文档解析成干净结构化数据，方便喂给语言模型做 RAG 和检索。

把 PDF、图片、音视频等各种格式的数据统一解析成结构化文本，方便直接喂给 GenAI 框架和 RAG 流程使用。

GLM-OCR 是一个基于 GLM 的图片转文字 OCR 工具，主打高精度、高速度与全面覆盖，适合文档解析和 RAG 场景下的文字提取。

把 PDF、Word、PPT 解析成适合喂给大模型的格式，尽量不丢内容，省去自己清洗文档的麻烦。

本地运行的简历匹配与生成工具，用 100+ 大模型解析简历、计算与职位描述的文本相似度，并生成 PDF 和求职信。

把 PDF、扫描件和图片解析成带版面结构、表格和文本的富结构化数据，适合做文档入库和 RAG 前的预处理。

多语言文档智能解析引擎，能从 100 多种格式中提取文本、表格和元数据，并支持 OCR、语音转写和代码理解，适合为 RAG 流程准备高质量数据。

能识别复杂表格、表单和手写内容的 OCR 模型，保留完整版面布局，适合把扫描件和图片转成结构化文本喂给 RAG 或文档解析流程。

基于深度学习的一站式 OCR 库，把文字检测、文字识别和版面分析串成流水线，支持 PyTorch 训练与微调，适合快速搭建文档解析应用。

开源免费的离线 OCR 软件，支持截图、批量图片和 PDF 识别，可排除水印与页眉页脚，还能扫描或生成二维码，内置多国语言库。

从 PDF 学术论文中自动抽取标题、作者、参考文献等结构化元数据的机器学习工具，支持全文解析与引文提取。

把纸质文档扫描后自动 OCR、打标签并归档成可全文检索的个人文档管理系统，适合想彻底告别纸质文件柜的人。

开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。

面向大模型微调、RAG 和评测的数据集制作工具，支持数据生成、清洗与导出，省去手工整理训练数据的麻烦。

macOS 上的翻译和 OCR 工具，支持划词翻译、截图取字，并接入 ChatGPT、DeepSeek、Gemini 等多种大模型翻译服务。

纯 PHP 实现的 Word 文档读写库，无需 Office 环境即可生成和解析 docx、odt、rtf 等格式，适合在服务端批量导出报表或合同。

基于 WPF 开发的即用即走翻译与 OCR 工具，支持划词翻译、截图取字，插件机制可扩展翻译源和 OCR 引擎。

把 PDF、扫描件等非结构化文档通过 LLM 抽取成结构化 JSON，可直接接入 API 和 ETL 流水线，省去手工写解析规则。