pdf2md-workflow

一个组件化的 PDF 转 Markdown 工作流工具，支持批量处理和 AI 智能格式化。

✨ 特性

• 📄 PDF 文本提取 - 基于 PyMuPDF 的高效文本提取
• 📊 表格提取 - 使用 pdfplumber 提取 PDF 表格
• 🔄 批量处理 - 支持批量转换多个 PDF 文件
• 🤖 AI 格式化 - 配合 markdown-formatter skill 智能格式化
• 📦 Python 包 - 可通过 pip 安装使用
• 🛠️ CLI 工具 - 提供命令行接口

📦 安装

pip install pdf2md-workflow

或从源码安装：

git clone https://github.com/Drehabwen/Openrehab-vibepaper-read.git
cd Openrehab-vibepaper-read
pip install -e .

🚀 快速开始

命令行使用

# 转换单个 PDF
pdf2md convert paper.pdf

# 批量转换
pdf2md batch ./pdfs -o ./output

# 使用配置文件
pdf2md batch ./pdfs -c config.yaml

Python API 使用

from pdf2md_workflow import convert_pdf, Config

# 简单转换
convert_pdf("paper.pdf", "output.md")

# 使用配置
config = Config.from_yaml("config.yaml")
convert_pdf("paper.pdf", "output.md", config=config)

📁 项目结构

pdf2md_workflow/
├── __init__.py      # 包入口
├── cli.py           # 命令行接口
├── config.py        # 配置管理
├── extractors.py    # PDF 提取器
├── formatter.py     # Markdown 格式化
└── processor.py     # 批量处理器

⚙️ 配置

创建 config.yaml 文件：

input_directories:
  - "./pdfs"
output_directory: "./output"
extractor: "pymupdf"  # pymupdf 或 pdfplumber
preserve_images: true

🔧 依赖

• Python >= 3.8
• PyMuPDF >= 1.23.0
• pdfplumber >= 0.10.0
• PyYAML >= 6.0

📝 使用示例

转换学术论文

from pdf2md_workflow import convert_pdf

# 转换 PDF 论文
convert_pdf(
    "research_paper.pdf",
    "research_paper.md",
    extractor="pymupdf"
)

批量处理

from pdf2md_workflow import PDFProcessor, Config

config = Config(
    input_directories=["./papers"],
    output_directory="./markdown"
)

processor = PDFProcessor(config)
processor.process_all()

🤝 配合 AI 格式化

本项目提供 markdown-formatter skill，可以配合 AI 工具进行智能格式化：

用户: 整理这个 Markdown 文件
AI: [调用 markdown-formatter skill 进行格式化]

📄 License

MIT License - 详见 LICENSE 文件

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📮 联系方式

• GitHub: https://github.com/Drehabwen/Openrehab-vibepaper-read

Made with ❤️ by Drehabwen