一款OCR神器，5.6KStar，支援20多種文件格式，一鍵轉換成markdown

這是一個或許對你有用的社群

一對一交流/面試小冊/簡歷最佳化/求職解惑，歡迎加入「芋道快速開發平臺」知識星球。下面是星球提供的部分資料：

《專案實戰（影片）》：從書中學，往事上“練”

《網際網路高頻面試題》：面朝簡歷學習，春暖花開

《架構 x 系統設計》：摧枯拉朽，掌控面試高頻場景題

《精進 Java 學習指南》：系統學習，網際網路主流技術棧

《必讀 Java 原始碼專欄》：知其然，知其所以然

這是一個或許對你有用的開源專案

國產 Star 破 10w+ 的開源專案，前端包括管理後臺 + 微信小程式，後端支援單體和微服務架構。

功能涵蓋 RBAC 許可權、SaaS 多租戶、資料許可權、商城、支付、工作流、大屏報表、微信公眾號、ERP、CRM、AI 大模型等等功能：

Boot 多模組架構：https://gitee.com/zhijiantianya/ruoyi-vue-pro

Cloud 微服務架構：https://gitee.com/zhijiantianya/yudao-cloud

影片教程：https://doc.iocoder.cn

【國內首批】支援 JDK 17/21 + SpringBoot 3.3、JDK 8/11 + Spring Boot 2.7 雙版本

來源：江南一點雨

不知道各位小夥伴平時工作中有沒有一些將別的格式的文件轉為 Markdown 的需求？

最近發現了一個好玩的開源專案，能夠幫我們把二十多種不同格式的文章利用 AI 轉為 markdown，非常好用。

一 Zerox OCR

Zerox OCR 是一個基於 GPT 技術的 OCR 工具，它能夠將 PDF、DOCX 等檔案轉換為 Markdown 格式。

相比於傳統的 OCR 工具，Zerox OCR 有很多不一樣的地方，具體體現在：

零配置：Zerox OCR 的一個顯著特點是它的零配置特性，使用者只需提供檔案和 API token，即可輕鬆實現文字提取，省去了繁瑣的引數設定。
高精度識別：Zerox OCR 使用 GPT-4o-mini 模型進行文字識別，能夠處理完全陌生的 PDF、圖片等文件型別，不需要事先訓練資料，即可提供高精度的 OCR 結果。
Markdown 輸出格式：在 OCR 轉換過程中，Zerox 將每個識別的頁面轉化為簡潔的 Markdown 格式，方便對文字進行後期處理和整理。
支援複雜文件：Zerox 不僅可以處理簡單的文字，還能夠處理包含表格、圖表等複雜佈局的檔案。無論是掃描版 PDF 還是其他格式，Zerox 都可以對它們進行 OCR 識別，生成準確的文字內容。
本地執行與 API 支援：Zerox 支援本地執行，無需擔心隱私洩露問題。此外，它還提供了 API 介面，方便整合到應用中，提升業務流程的自動化和效率。
開源專案：Zerox 是一個開源專案，使用 MIT 許可證，使用者可以免費使用其核心功能。

Zerox OCR 以其高效準確、易用性和廣泛的應用前景，成為了文件處理和資料提取領域的一個重要工具。開發者和使用者可以透過訪問 Zerox 的 GitHub 頁面來體驗這款 OCR 神器，開啟高效文字提取之旅。

GitHub 地址：https://github.com/getomni-ai/zerox

基於 Spring Boot + MyBatis Plus + Vue & Element 實現的後臺管理系統 + 使用者小程式，支援 RBAC 動態許可權、多租戶、資料許可權、工作流、三方登入、支付、簡訊、商城等功能

專案地址：https://github.com/YunaiV/ruoyi-vue-pro

影片教程：https://doc.iocoder.cn/video/

二支援的文件格式

那麼這個開源工具到底都支援哪些不同格式的文件呢？

我們來看下官方給的這個支援的文件列表：

["pdf", // Portable Document Format"doc", // Microsoft Word 97-2003"docx", // Microsoft Word 2007-2019"odt", // OpenDocument Text"ott", // OpenDocument Text Template"rtf", // Rich Text Format"txt", // Plain Text"html", // HTML Document"htm", // HTML Document (alternative extension)"xml", // XML Document"wps", // Microsoft Works Word Processor"wpd", // WordPerfect Document"xls", // Microsoft Excel 97-2003"xlsx", // Microsoft Excel 2007-2019"ods", // OpenDocument Spreadsheet"ots", // OpenDocument Spreadsheet Template"csv", // Comma-Separated Values"tsv", // Tab-Separated Values"ppt", // Microsoft PowerPoint 97-2003"pptx", // Microsoft PowerPoint 2007-2019"odp", // OpenDocument Presentation"otp", // OpenDocument Presentation Template]

可以看到，主流的文件格式都是支援的。

基於 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現的後臺管理系統 + 使用者小程式，支援 RBAC 動態許可權、多租戶、資料許可權、工作流、三方登入、支付、簡訊、商城等功能

專案地址：https://github.com/YunaiV/yudao-cloud

影片教程：https://doc.iocoder.cn/video/

三實踐

最後我們再來看下這個工具該如何使用。

首先來安裝：

npm install zerox

Zerox 使用 graphicsmagick 和 ghostscript 進行 PDF 到影像的轉換。這些工具應會自動下載，但有時需要手動安裝。

手動安裝命令如下：

sudo apt-get updatesudo apt-get install -y graphicsmagick

裝好之後就可以使用了，使用的時候可以使用一個線上的檔案路徑：

import { zerox } from "zerox";const result = await zerox({  filePath: "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf",  openaiAPIKey: process.env.OPENAI_API_KEY,});

如果是本地檔案則透過如下方式來解析：

import path from "path";import { zerox } from "zerox";const result = await zerox({  filePath: path.resolve(__dirname, "./cs101.pdf"),  openaiAPIKey: process.env.OPENAI_API_KEY,});

最終解析結果類似下面這樣：

{  completionTime: 10038,  fileName: 'invoice_36258',  inputTokens: 25543,  outputTokens: 210,  pages: [    {      content: '# INVOICE # 36258\n' +'**Date:** Mar 06 2012  \n' +'**Ship Mode:** First Class  \n' +'**Balance Due:** $50.10  \n' +'## Bill To:\n' +'Aaron Bergman  \n' +'98103, Seattle,  \n' +'Washington, United States  \n' +'## Ship To:\n' +'Aaron Bergman  \n' +'98103, Seattle,  \n' +'Washington, United States  \n' +'\n' +'| Item                                       | Quantity | Rate   | Amount  |\n' +'|--------------------------------------------|----------|--------|---------|\n' +"| Global Push Button Manager's Chair, Indigo | 1        | $48.71 | $48.71  |\n" +'| Chairs, Furniture, FUR-CH-4421             |          |        |         |\n' +'\n' +'**Subtotal:** $48.71  \n' +'**Discount (20%):** $9.74  \n' +'**Shipping:** $11.13  \n' +'**Total:** $50.10  \n' +'---\n' +'**Notes:**  \n' +'Thanks for your business!  \n' +'**Terms:**  \n' +'Order ID : CA-2012-AB10015140-40974  ',      page: 1,      contentLength: 747    }  ]}