产品简介
pdfdeal 是一个 Python 工具，封装了 Doc2X API，并提供本地文本处理功能，用于高效转换 PDF 文档（如转为 Markdown/LaTeX），并增强在 RAG 系统中的文档召回率。适用于需要处理 PDF 文档、构建知识库或集成 RAG 应用的用户。
核心功能
- 使用 Doc2X API 进行高质量文档转换
- 本地文本处理优化 PDF 在 RAG 中的召回
- 处理 PDF 文件保留原始页码输出
- 提供 Markdown 文档处理工具（如表格转换、图片管理）
- 支持集成主流 RAG 系统（如 graphrag、FastGPT、Dify）
快速开始
- 第一步：安装 pdfdeal，运行命令 `pip install --upgrade pdfdeal`
- 第二步：如需增强功能，安装带工具版本，运行 `pip install --upgrade "pdfdeal[rag]"`
- 第三步：使用 Python 代码调用 Doc2X API 处理 PDF 文件，例如导入 Doc2X 类并调用 pdf2file 方法
界面预览
与其他方案对比
| 对比项 | pdfdeal | 同类方案 |
|---|---|---|
| 文档转换质量 | 使用 Doc2X API，转换质量高，支持公式和文本格式保留 | 同类 PDF 转换工具可能转换质量较低，不支持高级格式 |
| RAG 集成支持 | 专为提升 RAG 召回率设计，提供本地文本处理和集成支持 | 其他工具可能不专注于 RAG 场景，召回率较低 |
适合谁用
- 需要构建和优化知识库系统的开发者或研究人员
- 处理大量 PDF 文档、进行格式转换和文本提取的办公人员或学者
- 使用 RAG 应用（如 graphrag、FastGPT、Dify）来增强文档检索的用户
下载与版本
当前最新版本为 v1.0.2，发布于 2024-12-22。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/NoEdgeAI/pdfdeal