PDF文件转Markdown，基于开源项目marker

首先我们来问下deepseek

为啥要选marker呢

基于深度学习，一看就逼格拉满。搞科研必备，效果应该不会太差。跟其他的阿猫阿狗工具没法比。

看下官网

https://github.com/VikParuchuri/marker

在这里插入图片描述

一看头像是个印度佬，自吹——又快又好。那就试试吧。

安装步骤

安装Anaconda

https://www.anaconda.com/docs/main
在这里插入图片描述

进入Anaconda

在这里插入图片描述

进入conda命令行

在这里插入图片描述

创建虚拟环境

conda create -n marker_env python=3.10  //  还未试过3.12，理论上3.12会向下兼容conda env list //  查看创建的虚拟环境是否成功conda activate marker_env  //  激活环境

安装PyTorch、Marker

1、安装PyTorch（CPU版本，无显卡用户用此命令）：

pip3 install torch torchvision torchaudio

有显卡的、可以在官网上的Start Locally | PyTorch，根据自己电脑的配置，选择后在箭头处复制语句后执行。（我的是图中这条命令行）
在这里插入图片描述

2、安装Marker，耐心等待插件安装。

pip install marker-pdf

测试文件转换

准备一个PDF文件，路径不含中文或空格

在这里插入图片描述

执行转换命令：

marker_single D:\Information_Technology\App\pdf2md_package\input_pdf\DeepSeek15天入门手册.pdf --languages eng+chi_sim --llm_service cpu --output_dir D:\Information_Technology\App\pdf2md_package\output_md

命令的解释：

   --命令里没有其他博主的--batch_multiplier 2，有这个的都是有显卡的；-- marker_single：调用marker_single执行转换操作；-- D:\Information_Technology\App\pdf2md_package\input_pdf\DeepSeek15天入门手册.pdf：需要转换的文件的所在目录（可自定义）；--languages eng+chi_si：设置语言，可查官网或帮助，支持的语言还是有蛮多的；--llm_service cpu：强制使用CPU，也可以不加此句；--output_dir：文件转换后的存放目录（可自定义）。