gptpdf

GPTPDF 是一个使用视觉大模型（如 GPT-4o）将 PDF 文件解析成 Markdown 文件的工具。它主要用于高效地解析 PDF 文档中的排版、数学公式、表格、图片、图表等内容，并将这些内容转换为结构化的 Markdown 格式。其显著特点是简单且成本低，每页平均费用为 $0.013。

使用场景

1. 学术研究：将包含复杂数学公式和图表的学术论文转换为 Markdown 格式，方便进一步编辑或在其他平台发布。
2. 文档归档：将各类文档（例如合同、白皮书等）转换成易于管理和搜索的 Markdown 格式。
3. 数据提取：从商业报告、调查问卷等 PDF 文档中提取数据，进行后续分析或展示。
4. 内容创作：对于内容创作者，可以快速将 PDF 书籍或文章转换成可编辑的 Markdown 内容，用于博客、网站等。

安装与使用

要安装 gptpdf，使用以下命令：

pip install gptpdf

使用方法如下：

from gptpdf import parse_pdf

api_key = 'Your OpenAI API Key'
pdf_path = 'path/to/your/pdf/file'
content, image_paths = parse_pdf(pdf_path, api_key=api_key)
print(content)

在上述代码中，parse_pdf 函数用于解析 PDF 文件并返回 Markdown 内容及所有图片路径。用户需要提供 OpenAI API Key 以访问大模型解析能力。

API 函数详解

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 Markdown 文件
• api_key: OpenAI API Key（可选）。如果没有提供，将使用环境变量 OPENAI_API_KEY。
• base_url: OpenAI 基础 URL（可选）。如果没有提供，将使用环境变量 OPENAI_BASE_URL。
• model: OpenAI 视觉模型，默认是 ‘gpt-4o’。也可以使用 qwen-vl-max 等其他模型。
• verbose: 是否启用详细模式。
• gpt_worker: GPT 解析工作进程数，默认是 1。如果机器性能较好，可以适当增加以提高解析速度。

进一步的用法示例可以参考项目中的 test/test.py。