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 ​

概述 ​

从 PDF 文档中提取文本、图片和表格数据为 Markdown 文件。

转换选项 ​

该格式只使用 MarkdownOptions 中的以下选项,其他选项不生效:

选项默认值含义
EnableAiLayouttrue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。
EnableAiTableRecognitiontrue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(EnableAiLayout 开启)找到的表格生效。
TableRecognitionAccuracyTableRecognitionAccuracy.e_Balanced表格模型:TableRecognitionAccuracy.e_Balanced 使用基础模型 documentai.model,TableRecognitionAccuracy.e_HighAccuracy 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。
EnableOCRfalse在 OcrOption 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(ContainImage 开启时)。许可证不含 OCR 权限时不生效。
OcrOptionOCROption.e_AllOCR 处理的范围:OCROption.e_All 识别所有页面;OCROption.e_ScanPage 只识别图片(扫描)页面;OCROption.e_InvalidCharacter 重新识别其他页面上无法读取的字符;OCROption.e_InvalidCharacterAndScanPage 两者都做。只在 EnableOCR 开启时生效。
Languages{ OCRLanguage.e_ENGLISH }OCR 识别语言;未指定语言时使用英文。只在 EnableOCR 开启时生效。
EnableDocumentOrientationClassificationfalseOCR 前检测页面旋转方向并将页面图像转正。只在 EnableOCR 开启时生效。
EnableDocumentDewarpfalseOCR 前对弯曲、变形的页面照片做矫正展平。只在 EnableOCR 开启时生效。
PageRanges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。
ContainImagetrue将源图片和矢量图形(以图片)写入 Markdown;关闭时不输出。EnableOCR 和 EnableAiLayout 都开启时,图片区域被裁成图片,其中的 OCR 文字被丢弃。
ContainAnnotationtrue将注释外观以图片写入,不受 ContainImage 影响。只对未经 OCR 识别的 PDF 页面生效。
OutputDocumentPerPagefalse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。
EnableAutoPageSizefalse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。
CustomPageWidth / CustomPageHeight0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 EnableAutoPageSize。

调用示例:

c#
MarkdownOptions markdownOptions = new MarkdownOptions();
markdownOptions.ContainAnnotation = false;
markdownOptions.PageRanges = "1-3";
ErrorCode error = CPDFConversion.StartPDFToMarkdown("input.pdf", "password", "path/output.md", markdownOptions);

示例 ​

以下是完整的示例代码,演示了提取 PDF 为 Markdown 功能。

c#
string inputFilePath = "***";
string password = "***";
string outputFileName = "***";

MarkdownOptions markdownOptions = new MarkdownOptions();
ErrorCode error = CPDFConversion.StartPDFToMarkdown(inputFilePath, password, outputFileName, markdownOptions);