2026 年 PDF 转 Markdown 开源工具对比

PDF 转 Markdown 的开源生态在 2026 年已经比较成熟。本文对比 6 个常用项目，覆盖从轻量无依赖到企业 RAG 集成的不同场景，方便按文档类型选型。

整理时间：2026-07-28。数据来自 GitHub、文档与公开实测对比，star 数为当时量级。

1. MinerU（30K+）

优势：布局检测强，尤其擅长中日韩文档；84 种语言 OCR；复杂表格可保留为 HTML；公式识别好，LaTeX 友好；支持 NVIDIA / AMD / 昇腾等加速器；有 Web Demo 和桌面 App。

不足：依赖较重（Paddle 生态），安装偏复杂，图片裁剪偶发不完整。

适合：学术论文、复杂报表、CJK 文档。

1
2
3
4
5

pip install magic-pdf
# 或
uv pip install magic-pdf
# 或 Docker
docker pull opendatalab/magic-pdf

2. Docling（20K+）

优势：输出 DoclingDocument，保留标题 / 段落 / 列表等语义层次；原生接 LlamaIndex、LangChain；格式广（PDF / DOCX / PPTX / HTML / 音频 / LaTeX）；Linux Foundation AI 项目，适合企业。

不足：CPU 模式偏慢，公式不如 Marker 成熟，安装比轻量工具重。

适合：企业 RAG 流水线、需要结构化文档理解。

1

pip install docling

3. Marker（19K+）

优势：格式最广（PDF / 图片 / DOCX / PPTX / XLSX / HTML / EPUB）；可选 --use_llm 提升复杂版式；批量模式很快；有 CLI / GUI / API。

不足：LLM 模式有成本和延迟；商用需单独授权。

适合：多格式混用、想用一个工具兜底。

1
2

pip install marker-pdf
pip install "marker-pdf[gui]"

4. pdf-craft（4.6K）

优势：专为扫描书设计；完全离线；可输出 EPUB 并生成目录；过滤页眉页脚；脚注 / 公式 / 表格处理较好。

不足：基本只做 PDF；社区相对小。

适合：数字化书架、古籍扫描、必须离线。

1

pip install pdf-craft

5. PyMuPDF4LLM（2K+）

优势：零 ML 依赖，pip install 即用；对已有嵌入文本的 PDF 提取最快；依赖最小。

不足：不支持 OCR，扫描件不可用；无公式识别；布局分析较基础。

适合：可选文本的原生 PDF、CPU 环境、作为 LLM 前置步骤。

1

pip install pymupdf4llm

6. MarkItDown（微软）

优势：多格式文本提取（PDF / Word / PPT / Excel / 图片 / HTML）；MIT；插件可扩展。

不足：PDF 几乎只抽纯文本，标题层级和表格结构弱；不适合要保留版式的场景。

适合：批量多格式快速抽文本、预处理。

1

pip install markitdown

横向对比

怎么选

1
2
3
4
5
6
7

PDF 是否可选文本？
├── 是 → 先试 PyMuPDF4LLM（最快）
│         效果不够 → Marker
└── 否（扫描件）
    ├── 整本书 → pdf-craft
    ├── 中/日/韩文 → MinerU
    └── 其他 → Marker

一句话：MinerU 中文最稳，Docling 企业向，Marker 全能兜底，pdf-craft 吃扫描书，PyMuPDF4LLM 轻量最快。 只装一个，Marker 是相对安全的默认项。