使用场景

研究人员使用vision-parse将学术论文PDF转换为Markdown格式，以便在GitHub上分享和讨论。

数据分析师利用该工具从财务报告PDF中提取表格数据，进行进一步的数据分析。

开发者使用vision-parse将技术文档转换为Markdown，发布在文档网站上，提高文档的可读性和访问性。

产品特色

智能内容提取：识别和提取文本和表格。

内容格式化：保持文档的层级结构和样式。

多模型支持：支持OpenAI、Google Gemini和Ollama等模型。

PDF文档支持：处理多页PDF文档，转换为字节64编码图像。

本地模型托管：支持使用Ollama进行安全和离线文档处理。

高精度提取：通过调整参数实现详细内容提取。

易于使用：只需几行代码即可实现PDF到Markdown的转换。

使用教程

1. 安装Python环境（版本>=3.9）。

2. 使用pip安装vision-parse包：`pip install vision-parse`。

3. 根据需要安装OpenAI或Gemini的可选依赖。

4. 导入VisionParser类，并创建实例，设置模型名称和其他参数。

5. 使用VisionParser实例的convert_pdf方法，传入PDF文件路径。

6. 遍历返回的Markdown页面，处理每一页的内容。

7. 根据需要，可以设置PDFPageConfig来自定义PDF处理设置。