gptpdf

gptpdf 是一个利用具备视觉能力的大规模语言模型（如 GPT-4o）将 PDF 文件解析为 Markdown 格式的工具，旨在准确地转换排版、数学公式、表格、图片和图表等非文本区域。整个工具的代码量仅有293行，但是功能十分强大，并且转换成本相对较低，每页平均花费约 $0.013。

使用场景：

1. 学术研究：将学术论文或技术文档的 PDF 文件轻松转换为 Markdown 格式，便于编辑和分享。
2. 数据处理：在对文档进行文本分析或数据挖掘前，将复杂的 PDF 文档转换为纯文本格式。
3. 内容管理：将 PDF 文件中的有价值内容提取并重新组织，以便用于博客文章、技术文档或其他出版物。
4. 协作编辑：方便团队协作，对文档进行版本控制和实时编辑。

使用步骤：

1. 安装：

   pip install gptpdf
   

2. 代码示例：

   from gptpdf import parse_pdf
   api_key = 'Your OpenAI API Key'
   content, image_paths = parse_pdf(pdf_path, api_key=api_key)
   print(content)
   

3. API 调用说明：

   parse_pdf(pdf_path, output_dir='./', api_key=None, base_url=None, model='gpt-4o', verbose=False)
   

   • pdf_path: PDF 文件路径
   • output_dir: 输出目录，用于存储所有图片和生成的 Markdown 文件
   • api_key: OpenAI API 密钥 （可选项，若未提供则使用环境变量）
   • base_url: OpenAI 基础 URL（可选项，若未提供则使用环境变量）
   • model: 使用的视觉大规模语言模型，默认是 ‘gpt-4o’，也可以选择其他模型如 qwen-vl-max
   • verbose: 是否开启详细模式

通过这些步骤，用户可以快速方便地利用 gptpdf 实现 PDF 文件向 Markdown 格式的转换。