opendataloader-pdf

opendataloader-pdf 是一个用于从PDF文档中提取结构化数据并自动化提高PDF可访问性的开源项目。它支持将PDF文件转换为Markdown、JSON（包含边界框信息）、HTML和Tagged PDF格式，特别适用于需要将PDF内容转化为AI就绪数据的场景，如RAG/LLM管道输入或加速PDF无障碍改造。该项目采用Java 11+开发，提供Python、Node.js和Java SDK，其核心功能包括高精度的数据抽取（总体准确率0.907，表格识别准确率0.928）与自动标签化以符合PDF/UA标准。此外，它还具备处理扫描版PDF及内置OCR的能力，并能有效解析复杂布局如多列文本、表格、公式等元素。