Prepare dados PDF para IA
OpenDataLoader PDF é um analisador de PDF de código aberto que disponibiliza dados para modelos de inteligência artificial. Este projeto baseado em Java acelera os processos de processamento de dados, automatizando a acessibilidade de documentos PDF.
Atualizações
- 22 de outubro de 2026: Estrelas 29,752 → 29,817, versão mais recente v2.5.15 (22 de outubro de 2026).
- 21 de outubro de 2026: Estrelas 29,669 → 29,752, versão mais recente v2.5.14 (21 de outubro de 2026).
- 13 de outubro de 2026: Estrelas 29,447 → 29,669, versão mais recente v2.5.13 (13 de outubro de 2026).
- 1 de outubro de 2026: Estrelas 29,384 → 29,447, versão mais recente v2.5.12 (1 de outubro de 2026).
O que você ganha
- Converte arquivos PDF em formato Markdown, JSON ou HTML para modelos de IA.
- Fornece extração de dados de alta precisão para documentos digitalizados e tabelas complexas.
- Marca automaticamente arquivos PDF de acordo com os padrões de acessibilidade.
Instalação
pip install -U opendataloader-pdfpip install -U "opendataloader-pdf[hybrid]"Execução
import opendataloader_pdf
# Batch all files in one call — each convert() spawns a JVM process, so repeated calls are slow
opendataloader_pdf.convert(
input_path=["file1.pdf", "file2.pdf", "folder/"],
output_dir="output/",
format="markdown,json"
)Se você não programa
Quero analisar os arquivos PDF que possuo usando a ferramenta OpenDataLoader PDF e convertê-los em formatos de dados estruturados (Markdown ou JSON) que posso usar em processos RAG ou LLM. Você pode me ajudar a criar um script para ser executado em meu computador local usando o Python SDK que extrairá tabelas, títulos e texto de meus documentos na ordem de leitura correta? Explique também passo a passo como habilitar o modo híbrido para páginas complexas e personalizar a saída.
Repositório: https://github.com/opendataloader-project/opendataloader-pdf. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.
Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.
Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.
Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-06-04: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.