即将来临的一天，比过去的一年更为悠长。——福尔斯特

OpenDataLoader PDF

PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

如果 PDF 是一座城，OpenDataLoader PDF 就是一位很“较真”的城市规划师：
他不满足于“把字抄出来”，他要把街道（阅读顺序）、地标（标题层级）、商铺（表格）、招牌（图片/图表）、甚至每一块砖的位置（bounding boxes）都量好、画好、编号好，然后交给你一份可以直接喂给 AI 的地图。

仓库的自我介绍也很利落：

PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

他一边拿着放大镜做数据抽取，一边又披上无障碍斗篷，准备把旧世界里沉默的 PDF，变成能被屏幕阅读器真正理解的“会说话的文档”。

🔍 他擅长的第一件事：PDF parser for AI data extraction

OpenDataLoader PDF 的口头禅是：
“Extract Markdown, JSON (with bounding boxes), and HTML from any PDF.”

而且他不是随便说说——README 里直接把成绩单贴出来：

How accurate is it?：基准测试 #1
- overall 0.90
- table accuracy 0.93
- 数据集覆盖 200 份真实 PDF（多栏、科学论文都在里头）
Deterministic local mode + AI hybrid mode：简单页走本地确定性流程，复杂页走 hybrid AI
Scanned PDFs and OCR?：支持，hybrid 模式内置 OCR（80+ languages），对 300 DPI+ 的“糊图”也能处理
Tables / formulas / images / charts?：复杂/无边框表格、LaTeX 公式、图表/图片描述都能在 hybrid 里搞定
How do I use this for RAG?：pip install opendataloader-pdf，三行转换；Markdown 适合 chunking，JSON 的 bounding boxes 适合 citations，HTML 适合展示；还提供 LangChain 集成；Python / Node.js / Java SDK 都有

他像一位靠谱的“资料管理员”：
不怕你 PDF 乱，只怕你不让他上手。

♿ 他擅长的第二件事：PDF accessibility automation（无障碍自动化）

同一套布局分析引擎，还能驱动自动打标（auto-tagging）：

First open-source tool to generate Tagged PDFs end-to-end（coming Q2 2026）

他关心的不是“能看”，而是“人人能用”。因为现实很硬：

无障碍法规全球执行
人工修复一份 PDF 可能要 $50–200，并且无法规模化

于是他给出“免费与企业”边界：

What’s free?：布局分析 + auto-tagging（Q2 2026，Apache 2.0）
- 目标是：Untagged PDF in → Tagged PDF out
- 不��赖专有 SDK
What about PDF/UA compliance?：Tagged PDF → PDF/UA-1 / PDF/UA-2 的导出是 enterprise add-on
Why trust this?：与 PDF Association、**Dual Lab（veraPDF 开发者）**协作，遵循 Well-Tagged PDF 规范，并用 veraPDF 自动化校验

他像在说：
“我不想让无障碍变成昂贵的手工艺，我要把它变成流水线。”

Get Started in 30 Seconds：30 秒让他开工

Requires：Java 11+ 与 Python 3.10+（Node.js / Java 也可）

开始前先确认：

run java -version. If not found, install JDK 11+ from Adoptium.

安装：

1	pip install -U opendataloader-pdf

三行把 PDF 变成 AI-ready 输出：

import opendataloader_pdf

# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    format="markdown,json"
)

他特别强调“批量一次性处理”，因为每次 convert() 都要起一个 JVM 进程，频繁调用会慢——这就是他作为“工程型角色”的细心：不光给你功能，还给你正确姿势。

What Problems Does This Solve?：他专治三类疼痛

Problem	Solution	Status
PDF structure lost during parsing（顺序错、表格裂、坐标没了）	本地确定性 PDF → Markdown/JSON（带 bounding boxes），XY-Cut++ reading order	Shipped
复杂表格/扫描件/公式/图表需要 AI 级理解	Hybrid mode 把复杂页路由给 AI backend（benchmark #1）	Shipped
PDF accessibility compliance（EAA/ADA/Section 508…）	Auto-tagging：layout analysis → Tagged PDF（Q2 2026 免费），PDF/UA 导出（企业）	Auto-tag: Q2 2026

Capability Matrix：他到底能做什么（以及在哪个档位）

Data extraction（免费为主，hybrid 更强）

读取顺序正确的文本：Yes（Free）
每个元素都有 bounding boxes：Yes（Free）
表格（简单边框）：Yes（Free）
表格（复杂/无边框）：Yes（Free / Hybrid）
标题层级：Yes（Free）
列表（含嵌套）：Yes（Free）
图片抽取与坐标：Yes（Free）
AI 图表/图片描述：Yes（Free / Hybrid）
扫描件 OCR：Yes（Free / Hybrid）
公式抽取（LaTeX）：Yes（Free / Hybrid）
Tagged PDF 结构抽取：Yes（Free）
AI safety（prompt injection filtering）：Yes（Free）
页眉/页脚/水印过滤：Yes（Free）

Accessibility（无障碍）

Auto-tagging → Tagged PDF：Coming Q2 2026（Free / Apache 2.0）
PDF/UA-1、PDF/UA-2 export：💼 Available（Enterprise）
Accessibility studio：💼 Available（Enterprise）

限制也写得很直：

Word/Excel/PPT：No
GPU：不需要

Extraction Benchmarks：他把成绩写在额头上

README 直接给出对比表，结论是：

opendataloader-pdf [hybrid] ranks #1 overall (0.90)

并且还同时照顾“准确”和“速度”两个维度：

本地模式可以做到 0.05s/page
hybrid 模式在准确更高的情况下大约 0.43s/page

他像个既跑百米、又考语文的选手：
“我不想只快，也不想只准；我想在你最需要的时候，既准又不至于慢到离谱。”

Which Mode Should I Use?：他会根据你的 PDF 性格给你安排岗位

Your Document	Mode	Install	Server Command	Client Command
Standard digital PDF	Fast (default)	`pip install opendataloader-pdf`	None needed	`opendataloader-pdf file1.pdf file2.pdf folder/`
Complex or nested tables	Hybrid	`pip install "opendataloader-pdf[hybrid]"`	`opendataloader-pdf-hybrid --port 5002`	`opendataloader-pdf --hybrid docling-fast file1.pdf file2.pdf folder/`
Scanned / image-based PDF	Hybrid + OCR	`pip install "opendataloader-pdf[hybrid]"`	`opendataloader-pdf-hybrid --port 5002 --force-ocr`	`opendataloader-pdf --hybrid docling-fast file1.pdf file2.pdf folder/`
Non-English scanned PDF	Hybrid + OCR	`pip install "opendataloader-pdf[hybrid]"`	`opendataloader-pdf-hybrid --port 5002 --force-ocr --ocr-lang "ko,en"`	`opendataloader-pdf --hybrid docling-fast file1.pdf file2.pdf folder/`
Mathematical formulas	Hybrid + formula	`pip install "opendataloader-pdf[hybrid]"`	`opendataloader-pdf-hybrid --enrich-formula`	`opendataloader-pdf --hybrid docling-fast --hybrid-mode full file1.pdf file2.pdf folder/`
Charts needing description	Hybrid + picture	`pip install "opendataloader-pdf[hybrid]"`	`opendataloader-pdf-hybrid --enrich-picture-description`	`opendataloader-pdf --hybrid docling-fast --hybrid-mode full file1.pdf file2.pdf folder/`
Untagged PDFs needing accessibility	Auto-tagging → Tagged PDF	Coming Q2 2026	—	—

Quick Start：三种语言，三种性格，三种入口

Python

1	pip install -U opendataloader-pdf

import opendataloader_pdf

# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    format="markdown,json"
)

Node.js

1	npm install @opendataloader/pdf

import { convert } from '@opendataloader/pdf';

await convert(['file1.pdf', 'file2.pdf', 'folder/'], {
  outputDir: 'output/',
  format: 'markdown,json'
});

Java

<dependency>
  <groupId>org.opendataloader</groupId>
  <artifactId>opendataloader-pdf-core</artifactId>
</dependency>

Hybrid Mode：复杂 PDF 的“精英小队”，也是 #1 Accuracy 的秘密

Hybrid 的描述很像“分级处理”：

简单页：本地 Java 快速处理（0.05s/page）
复杂页：路由到 AI backend（表格准确率 +90%）

安装：

1	pip install -U "opendataloader-pdf[hybrid]"

Terminal 1：启动后端

1	opendataloader-pdf-hybrid --port 5002

Terminal 2：开始处理（批量一次性更快）

1 2	# Batch all files in one call — each invocation spawns a JVM process, so repeated calls are slow opendataloader-pdf --hybrid docling-fast file1.pdf file2.pdf folder/

Python 也能走 hybrid：

# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    hybrid="docling-fast"
)

OCR for Scanned PDFs：让“图片型 PDF”开口说话

强制 OCR：

1	opendataloader-pdf-hybrid --port 5002 --force-ocr

非英语文档指定语言：

1	opendataloader-pdf-hybrid --port 5002 --force-ocr --ocr-lang "ko,en"

语言列表里提到：en, ko, ja, ch_sim, ch_tra, de, fr, ar, and more。

Formula Extraction (LaTeX)：把公式也“结构化”

服务端开启公式增强：

1	opendataloader-pdf-hybrid --enrich-formula

客户端要带上 --hybrid-mode full：

1 2	# Batch all files in one call — each invocation spawns a JVM process, so repeated calls are slow opendataloader-pdf --hybrid docling-fast --hybrid-mode full file1.pdf file2.pdf folder/

JSON 输出里公式长这样：

{
  "type": "formula",
  "page number": 1,
  "bounding box": [226.2, 144.7, 377.1, 168.7],
  "content": "\\frac{f(x+h) - f(x)}{h}"
}

Chart & Image Description：给图表一段“可检索的语言”

服务端开启图片/图表描述增强：

1	opendataloader-pdf-hybrid --enrich-picture-description

客户端同样用 --hybrid-mode full：

1 2	# Batch all files in one call — each invocation spawns a JVM process, so repeated calls are slow opendataloader-pdf --hybrid docling-fast --hybrid-mode full file1.pdf file2.pdf folder/

JSON 输出例子：

{
  "type": "picture",
  "page number": 1,
  "bounding box": [72.0, 400.0, 540.0, 650.0],
  "description": "A bar chart showing waste generation by region from 2016 to 2030..."
}

README 里还说它用的是 SmolVLM (256M)，并支持自定义 prompt：--picture-description-prompt。

Output Formats：他给你的不是“纯文本”，而是一整套可用的产物

Format	Use Case
JSON	带 bounding boxes、语义类型的结构化数据
Markdown	干净文本，适合 LLM context / RAG chunks
HTML	网页展示与样式
Annotated PDF	可视化调试，直接看识别结构
Text	纯文本

格式可以组合：

format="json,markdown"

JSON Output Example

{
  "type": "heading",
  "id": 42,
  "level": "Title",
  "page number": 1,
  "bounding box": [72.0, 700.0, 540.0, 730.0],
  "heading level": 1,
  "font": "Helvetica-Bold",
  "font size": 24.0,
  "text color": "[0.0]",
  "content": "Introduction"
}

字段解释也给得很清楚：
type / id / page number / bounding box / heading level / content……
他像一个把“可追溯性”当成信仰的系统：让每段内容都能回到原 PDF 的具体位置。

Advanced Features：他不止会抽，还会“懂”和“防”

Tagged PDF Support：如果 PDF 自己有结构标签，他就更开心

当 PDF 自带结构 tags 时，他会提取作者意图的“原生布局”：

# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    use_struct_tree=True           # Use native PDF structure tags
)

AI Safety：Prompt Injection Protection（他会防“夹带私货”）

他会自动过滤：

hidden text（透明/0 字号）
off-page content（页面外内容）
suspicious invisible layers（可疑隐形层）

如果要脱敏（emails/URLs/phone numbers → placeholders），CLI 这样开：

1 2	# Batch all files in one call — each invocation spawns a JVM process, so repeated calls are slow opendataloader-pdf file1.pdf file2.pdf folder/ --sanitize

LangChain Integration：他也愿意当 LangChain 的好队友

安装：

1	pip install -U langchain-opendataloader-pdf

使用：

from langchain_opendataloader_pdf import OpenDataLoaderPDFLoader

loader = OpenDataLoaderPDFLoader(
    file_path=["file1.pdf", "file2.pdf", "folder/"],
    format="text"
)
documents = loader.load()

Advanced Options：更细的输出控制

# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    format="json,markdown,pdf",
    image_output="embedded",        # "off", "embedded" (Base64), or "external" (default)
    image_format="jpeg",            # "png" or "jpeg"
    use_struct_tree=True,           # Use native PDF structure
)

PDF Accessibility & PDF/UA Conversion：法规的倒计时，他记得很清楚

README 里列了几个关键点：

Problem：海量 PDF 没有结构 tags，违反 EAA / ADA & Section 508 / 韩国 Digital Inclusion Act
Approach：与 PDF Association、Dual Lab（veraPDF 开发者）合作
- 遵循 Well-Tagged PDF
- 用 veraPDF 做自动化校验
- 并强调：现有开源工具通常在“写 tags”环节依赖专有 SDK，而他要把端到端打通并保持 Apache 2.0

法规表也写得很明确（日期也点名了）：

European Accessibility Act (EAA)：June 28, 2025
ADA & Section 508：In effect
Digital Inclusion Act：In effect

Accessibility Pipeline：四步走，像一条生产线

Audit（已上线，Free）
Auto-tag → Tagged PDF（Q2 2026，Free / Apache 2.0）
Export PDF/UA（Enterprise）
Visual editing（Enterprise）

Auto-Tagging Preview（Q2 2026）

# API shape preview — available Q2 2026
opendataloader_pdf.convert(
    input_path=["file1.pdf", "file2.pdf", "folder/"],
    output_dir="output/",
    auto_tag=True                   # Generate structure tags for untagged PDFs
)

Roadmap：他把未来写在路线图上

Auto-tagging → Tagged PDF：Q2 2026（Free）
Hancom Data Loader：Q2–Q3 2026（Free）
Structure validation：Q2 2026（Planned）

Frequently Asked Questions：他喜欢把问题讲透

README 的 FAQ 里，他不断重复几个核心价值观：

RAG 需要：结构、阅读顺序、坐标（用于 citations）
他主打：deterministic extraction、bounding boxes、XY-Cut++、AI safety、Tagged PDF support、hybrid AI mode
他强调：100% 本地运行，无云端 API 调用，hybrid backend 也在本机跑
速度：本地 0.05s/page，hybrid 0.43s/page，无 GPU 也能跑

他像个不爱吹牛、爱贴数据的人：
“你问我好在哪？我把表格、分数、速度全给你看。”

Documentation：他把门都开着

Quick Start (Python / Node.js / Java)
JSON Schema Reference
CLI Options
Hybrid Mode Guide
Tagged PDF Support
AI Safety Features
PDF Accessibility

Contributing

We welcome contributions! See CONTRIBUTING.md for guidelines.

License

Apache License 2.0