# 文档 OCR 与结构化提取工具

面向扫描 PDF 与文档图片的 OCR 和结构化提取流程，可输出文本、Markdown、JSON、表格、图片说明和 RAG 可用分块。

> 标准页面: https://elysiatools.com/zh/hubs/document-ocr-extraction

- **分类:** extract

- **关键词:** 文档 ocr, pdf 文本提取, pdf 转 markdown, 扫描 pdf ocr, pdf 转 json, pdf 表格提取, 图片 ocr, rag 文档提取

## 概述

这个专题聚焦把文档文件转成可复用数据：覆盖图片 OCR、扫描 PDF 恢复、纯文本与 Markdown 提取、结构化 JSON 浏览、表格导出、图片说明索引、页码范围提取，以及面向搜索或 LLM 流程的 chunk 打包。

## 工具

- AI图片转Markdown: 使用AI视觉模型从图片中提取文本并转换为Markdown格式
- 发票小票OCR识别: 使用AI视觉模型从发票/小票图片中提取关键信息并转换为自定义JSON格式
- AI身份证OCR识别: 使用AI视觉模型从身份证图片中提取关键信息并转换为JSON格式
- PDF OCR 文本层: 为扫描版 PDF 添加 OCR 文本层，使其可搜索/可复制
- 扫描版 PDF OCR 转 Markdown: 将扫描版或图片型 PDF 转成 Markdown，优先走 OpenDataLoader hybrid OCR，并在后端不可用时优雅回退
- PDF文本提取器: 从PDF文档中提取文本内容，支持页面选择、格式选项和多语言处理
- PDF转Markdown转换器: 将PDF文档转换为Markdown格式，支持文本提取和格式保留
- PDF 转 LLM 干净文本: 将 PDF 抽取成适合摘要、翻译、向量化和问答的干净纯文本
- PDF 转 JSON 结构浏览器: 提取 PDF 的 OpenDataLoader JSON 结构，并以浏览器视图查看标题、段落、表格、列表、页码和 bbox
- PDF 表格提取到 CSV/JSON: 用 OpenDataLoader 从 PDF 中抽取表格，并导出为结构化 JSON、扁平 CSV 或 HTML 表格
- PDF RAG 分块与引用包生成器: 将 PDF 转成带页码、bbox 与标题路径的 RAG 分块 JSON，便于向量库入库和引用回链
- PDF 图片与 Caption 提取器: 提取 PDF 图片、匹配附近 caption，并生成可浏览的 HTML 图文索引
- PDF 页码范围提取器: 按指定页码范围提取 PDF 内容，并导出为 Markdown、JSON 或纯文本

## 示例

- PDF示例: 2026-02-01 到 2026-02-10 工具生成的PDF示例
- JPG示例: 不同宽高比和分辨率的JPG图像示例
- PNG示例: 不同宽高比和分辨率的PNG图像示例
- TIFF示例: 不同宽高比和主题的TIFF图像示例，具有高质量无压缩格式
- JSON 示例: JSON（JavaScript 对象表示法）格式示例，从简单到复杂结构
- Markdown 示例: Markdown 格式示例，从简单到复杂的文档结构

## 常见问题

### 这个专题能做什么？

你可以对图片和扫描 PDF 做 OCR，提取纯文本或 Markdown，查看结构化 JSON，导出表格，匹配图片说明，截取指定页，并为 RAG 或 LLM 流程打包文档内容。

### 这个专题适合谁？

适合研究人员、运营团队、知识库建设者、AI 流程开发者，以及所有需要把文档转成机器可处理内容的人。

### 应该从哪里开始？

先选择最接近源文档类型的样例，再根据下一步要用的输出选择 OCR、文本清洗、Markdown 导出、JSON 检查或表格提取。

## 相关内容

- [PDF 转换与文档导出工具](https://elysiatools.com/zh/hubs/pdf-convert): 在一个专题里比较把文档、图片和结构化内容导入或导出 PDF 的工具，适合发布、分享和下游处理工作流。
- [文本提取工具专题](https://elysiatools.com/zh/hubs/text-extract): 汇集 15 个可从混合文本、Markdown、HTML 与日志中提取链接、邮箱、手机号、日期、Emoji 和结构化字段的工具。
- [Markdown 导出、OCR 与文档转换工具](https://elysiatools.com/zh/hubs/markdown-convert): 在一个专题中比较 Markdown 转 PDF、PDF 转 Markdown、OCR、幻灯片导出和结构化 Markdown 转换工具，适合文档发布流程。
- [JSON 交换与格式翻译工具](https://elysiatools.com/zh/hubs/json-convert): 在一个专题里比较 JSON 与 CSV、YAML、TOML、GraphQL、XML、Markdown、Excel、BSON、EDN 等结构化格式之间的转换工具。