PDF в данные для ИИ — бесплатный OpenDataLoader набрал 30 000 звёзд

📌 Что это
• Открытый парсер PDF, который готовит документы для ИИ и RAG-систем.
• Проект перешагнул 30 049 звёзд и 2 871 форк на GitHub, лицензия Apache-2.0.
🔍 Что он умеет
• Вытаскивает Markdown, JSON с координатами элементов и HTML, сохраняя порядок чтения.
• Разбирает таблицы, формулы в LaTeX и описания картинок, в гибридном режиме есть OCR на 80+ языков.
🚀 Как попробовать
• Нужны Java 11+ и Python 3.10+, установка одной командой: pip install opendataloader-pdf.
• Есть версии для Node.js и Java, а также интеграция с LangChain.
⚠ Честно
• Оценка 0,907 в бенчмарке — собственная, проекта, а не независимая проверка.
• Полный экспорт в PDF/UA — платное дополнение, бесплатна авто-разметка в Tagged PDF.
Источник: #pdf #github #opensource #ии #rag #лайфхак
Подписывайтесь: Telegram — t.me/neiroseti_ai_ru, https://dzen.ru/neiroseti_ai_ru