Skip to content
DemoFAQ

PDF 生成模板编辑器

开源可视化 PDF 生成引擎,支持自定义模板,并提供面向开发者的 API,灵活构建文档生成流程。

查看 GitHub

提取 PDF 为 Markdown — C ​

PDF 转 Markdown ​

概述 ​

从 PDF 文档中提取文本、表格和图片,输出为 Markdown 文件。

转换选项 ​

该格式只使用 CConvertOption 中的以下选项,其他选项不生效:

选项默认值含义
enable_ai_layouttrue决定标题、列表、图注、表格、图片和阅读顺序。Markdown 中页眉页脚总是作为正文输出。许可证不含 AI 版面分析权限时不生效。
enable_ai_table_recognitiontrue使用表格模型识别单元格结构,表格以 HTML 表格写入。只对 AI 版面分析(enable_ai_layout 开启)找到的表格生效。
table_recognition_accuracye_CBalanced表格模型:e_CBalanced 使用基础模型 documentai.model,e_CHighAccuracy 使用 table_legacy.model 模型包。只在使用内置表格模型进行 AI 表格识别时生效。未加载对应精度的模型时,转换仍然成功,表格改用基于规则的方式识别。
enable_ocrfalse在 ocr_option 选定的页面上用 OCR 识别文字。未开启 OCR 时,图片输入只输出页面图片(contain_image 开启时)。许可证不含 OCR 权限时不生效。
ocr_optione_CAllOCR 处理的范围:e_CAll 识别所有页面;e_CScanPage 只识别图片(扫描)页面;e_CInvalidCharacter 重新识别其他页面上无法读取的字符;e_CInvalidCharacterAndScanPage 两者都做。只在 enable_ocr 开启时生效。
languages / language_countNULL / 0OCR 识别语言;未指定语言时使用英文。只在 enable_ocr 开启时生效。
enable_document_orientation_classificationfalseOCR 前检测页面旋转方向并将页面图像转正。只在 enable_ocr 开启时生效。
enable_document_dewarpfalseOCR 前对弯曲、变形的页面照片做矫正展平。只在 enable_ocr 开启时生效。
page_ranges空要转换的页码,如 "1-3,5,7-9";为空时转换所有页。多帧图片输入时用于选择帧。
contain_imagetrue将源图片和矢量图形(以图片)写入 Markdown;关闭时不输出。enable_ocr 和 enable_ai_layout 都开启时,图片区域被裁成图片,其中的 OCR 文字被丢弃。
contain_annotationtrue将注释外观以图片写入,不受 contain_image 影响。只对未经 OCR 识别的 PDF 页面生效。
formula_to_imagetrue开启时,AI 版面分析找到的公式输出为空段落,公式内容丢失;关闭可保留公式文字。只在 enable_ai_layout 开启时生效。
output_document_per_pagefalse每页输出一个文件,而不是整个文档输出一个文件。文件以输入文件名加页码命名,写入输出路径所在的文件夹;输出路径中的文件名不使用。
enable_auto_page_sizefalse仅图片输入:图片的宽高属性(单位:点)按根据图片分辨率确定、并匹配到最接近标准纸张的页面尺寸计算。
custom_page_width / custom_page_height0仅图片输入:图片的宽高属性按指定的页面尺寸(单位:点)计算,两者都须大于 0。优先于 enable_auto_page_size。

调用示例:

c
CConvertOption option = CPDF_DefaultConvertOption();
option.formula_to_image = false;
option.contain_annotation = false;
CPDF_StartPDFToMarkdown(CPDF_TEXT("input.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.md"), option, NULL);

示例 ​

c
CConvertOption option = CPDF_DefaultConvertOption();

CPDF_StartPDFToMarkdown(CPDF_TEXT("markdown.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.md"), option, NULL);