用 Python 把 pdf 文件转到 markdown，有什么好的库或者方案吗？

• 資深大佬 : MicroBotter

  pdf 的文本只有 pdf/a 才是可以编辑的。你是不可能对任意 pdf 转化成合理的文本。

• 資深大佬 : MicroBotter

  转换任意 pdf 成文本的难度和写一个识别物体的人工智能难度差不多。

• 資深大佬 : Latin

  可以转换，但是样式基本就是纯文本

• 資深大佬 : Latin

  PDF to docx ==> html

• 資深大佬 : Merlini

  pdf 转文本的话，推荐 PyMuPdf 。
  改成 markdown 的话可能你得自己识别里面的字体大小了。

• 資深大佬 : jdhao

  看看 pandoc 行不行

• 資深大佬 : SenLief

  如果是纯文本有可能转换，要不然效率太低。

• 資深大佬 : encro

  可以的。
  首先转 html，
  然后语义化，
  转换为 h1,h2,…p 这样的，
  然后换 markdown，很多格式肯定丢掉。

  另外：markdown 一些解释器支持 html 好像。

• 資深大佬 : inframe

  那不如先用 office 转换到 word，然后再转换

• 資深大佬 : omph

  linux 倒是有 Poppler-utils，可以用其中的命令 pdftohtml，转成 html，字体大小倒是可以保留