#pdf-to-markdown Repositórios
Descubra 17 repositórios ativos de código aberto no GitHub marcados com #pdf-to-markdown, acumulando um total de 120,416 estrelas (uma média de 7,083 por projeto). O líder deste tópico é datalab-to/marker, com 41,010 estrelas.
17 repositórios no total
Transforme qualquer PDF de livro técnico em uma habilidade Claude Code — pronta para estudar, consultar e usar enquanto você trabalha.
Modelo de OCR que lida com tabelas complexas, formulários e escrita à mão com layout completo.
O craft de PDF pode converter arquivos PDF em vários outros formatos. Este projeto se concentrará no processamento de arquivos PDF de livros escaneados.
📄 Faça com que a IA leia e redija documentos oficiais coreanos. Converta arquivos HWP, HWPX e PDF, documentos do Office e imagens digitalizadas para Markdown — e Markdown de volta para documentos oficiais HWPX. Preencha formulários, compare versões antigas e novas e edite preservando a formatação. Biblioteca, CLI e servidor MCP | Documentos coreanos para IA: de HWP, HWPX, PDF, Office e digitalizações para Markdown, e de Markdown de volta para HWPX. Biblioteca, CLI e servidor MCP.
Extraia e converta dados de qualquer documento, imagens, PDFs, documentos do Word, PPT ou URL para vários formatos (Markdown, JSON, CSV, HTML) com extração inteligente de dados estruturados e OCR avançado.
Servidor backend facilmente implantável e escalável que converte eficientemente vários formatos de documentos (pdf, docx, pptx, html, imagens, etc.) em Markdown. Com suporte para processamento tanto em CPU quanto em GPU, é ideal para fluxos de trabalho em larga escala, oferecendo extração de texto/tabela, OCR e processamento em lote com endpoints síncronos/assíncronos.
O E2M converte vários tipos de arquivo (doc, docx, epub, html, htm, url, pdf, ppt, pptx, mp3, m4a) para Markdown. É fácil de instalar, com parsers e conversores dedicados, suportando configurações personalizadas. O E2M oferece uma solução tudo-em-um, flexível e de código aberto.
A biblioteca PDF mais rápida para Python e Rust. Extração de texto, extração de imagens, conversão para markdown, criação e edição de PDF. Média de 0.8 ms, 5× mais rápida que os líderes da indústria, taxa de aprovação de 100% em 3.830 PDFs. MIT/Apache-2.0.
Reconhecimento de fórmulas e edição de documentos do Office | Conversão de escrita à mão e PDF para LaTeX/Markdown | Integrações de API seguras.
Qualquer arquivo → Markdown limpo para agentes de IA: PDF, Word, PowerPoint, Excel, EPUB, HTML e páginas da web, imagens (OCR), áudio e vídeo (metadados, legendas e transcrições). Um servidor MCP e uma CLI rápidos em Rust que rodam na sua máquina. Nenhuma chave de API é necessária.
PDF para markdown usando LLMs de visão — tabelas, layout e estrutura preservados
Transforme qualquer documento em Markdown limpo e pronto para IA. Aplicativo para desktop com prioridade ao processamento local: lê PDFs digitalizados, processa pastas em lote, funciona offline e usa muito menos tokens do que modelos de visão.
Serviço auto-hospedado para converter URLs e arquivos em Markdown, destinado a pessoas e agentes de IA: páginas da web, documentos, imagens, áudio e YouTube. PWA + REST + MCP + skill para Claude Code, compatível com o Reddit e com links compartilhados atualizáveis.
Perguntas Frequentes
Qual é o repositório de #pdf-to-markdown mais popular no GitHub?
O projeto de código aberto de #pdf-to-markdown mais bem classificado no GitHub é datalab-to/marker, com 41,010 estrelas. Converter PDF para markdown + JSON rapidamente e com alta precisão
Quais linguagens de programação são mais usadas nos repositórios de #pdf-to-markdown?
Entre os projetos de #pdf-to-markdown mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Rust, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #pdf-to-markdown?
Acompanhamos 17 repositórios ativos de código aberto marcados com #pdf-to-markdown (com mais de 500 estrelas), totalizando 120,416 estrelas e uma média de 7,083 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.