我们希望有一个易于安装又尽可能简单易用的工具，可以将任何PDF文件解析成机器和LLM可读的markdown格式，无论PDF有多复杂（包括带有文本/表格/图片的文档），并保存在本地文件系统中。
但老实说：并非所有 PDF 提取工具都能胜任上述任务。我们都知道处理 PDF 时的情况，尤其是当这些 PDF 是密集的研究论文或包含表格、图像和元数据的文档时，一些常规的PDF解析工具直接GG了。直到我发现了 PyMuPDF4LLM — 一个很快成为我处理 PDF 所有内容的首选工具。
支持从非结构化文档中提取表格
1. 我们在实际工作中都面临的PDF困境？
”想象一下：你正在从事一个项目，该项目涉及针对特定领域的任务（例如，法律文件或科学论文）微调 LLM。您需要在保持结构的同时提取文本，提取一些表格，并获取高质量的图像以进行模型训练。听起来很简单，对吧？
但使用大多数 PDF 工具，您要么得到丢失上下文的乱码文本，要么更糟糕的是，图像更像是“低质量”而不是有用的数据。甚至有些工具完全错过表格或弄乱了单词对齐。
这就是 PyMuPDF4LLM 的用武之地。它灵活、快速，几乎可以处理任何数据提取任务。无论您是在构建基于 LLM 的应用程序，还是只需要准备数据以进行微调，此工具都能满足您的需求。
2. 为什么PyMuPDF4LLM在LLM任务中效果如此好？
多功能 Markdown 提取 ：无论提取基本文本还是对其进行结构化以进行微调，PyMuPDF4LLM 都以易于阅读的 Markdown 格式提供所有内容。它快速、高效，并确保所有内容（文本、图像、表格和元数据）都以 LLM 可以直接使用的格式捕获。
综合提取 ：这个工具不仅仅是抓取纯文本，它还提供图像提取、逐字分块 、 表格提取等。支持图像和矢量图形提取（以及在 MD 文本中包含参考资料）。
3. 如何提取精确的数据及使用用例？
pip install pymupdf4llm
import pymupdf4llm# Extract PDF content as Markdownmd_text = pymupdf4llm.to_markdown("input.pdf")print(md_text[:500])# Print first 500 charactersimport pymupdf4llm# Extract only pages 10 and 11md_text = pymupdf4llm.to_markdown("bengio03a.pdf", pages=[10, 11])print(md_text[:500])# Print first 500 charactersimport pymupdf4llmllama_reader = pymupdf4llm.LlamaMarkdownReader()llama_docs = llama_reader.load_data("bengio03a.pdf")print(f"Number of LlamaIndex documents: {len(llama_docs)}")print(f"Content of first document: {llama_docs[0].text[:500]}")当处理包含大量视觉数据的技术文档或报告时，这是完美的选择，即使对于高分辨率图像也能很好地工作。另外表格通常包含关键数据，尤其是在技术文档中，PyMuPDF4LLM 确保这些数据被准确提取，为下游分析做好准备。
import pymupdf4llmimport jsonmd_text_images = pymupdf4llm.to_markdown(doc="bengio03a.pdf",pages=[1, 11],page_chunks=True,write_images=True,image_path="images",image_format="jpg",dpi=200)print(md_text_images[0]['images'])# Print image information from the first chunkmd_text_tables = pymupdf4llm.to_markdown(doc="bengio03a.pdf",pages=[12],# Specify pages containing tables)print(md_text_tables)
