opendataloader-project/opendataloader-pdf

어떤 프로젝트인가요?

핵심 기능

• 01다단 레이아웃을 포함해 올바른 읽기 순서대로 텍스트를 추출합니다.
• 02Markdown, 바운딩 박스가 포함된 JSON, HTML, 주석이 추가된 PDF로 출력합니다.
• 03기본 모드에서는 GPU 없이 CPU에서 로컬로 실행됩니다.
• 04하이브리드 모드에서는 복잡한 페이지를 대상으로 표, OCR, 수식 및 이미지 설명 처리를 지원합니다.
• 05Apache 2.0 라이선스에 따라 태그가 없는 PDF에 자동으로 태그를 추가해 Tagged PDF로 만듭니다.
• 06프롬프트 인젝션 필터와 선택적 민감 데이터 비식별화 기능을 제공합니다.

활용 사례

• RAG 시스템에 사용할 PDF 문서를 출처 좌표가 포함된 청크로 준비합니다.
• 연구 논문이나 보고서를 LLM 컨텍스트 윈도에 넣을 수 있도록 Markdown으로 변환합니다.
• 기존 PDF 아카이브에 일괄적으로 태그를 추가해 스크린 리더 접근성을 개선합니다.
• 과학 분야 PDF에서 표와 수식을 추출해 구조화된 JSON으로 변환합니다.

빠른 시작

1. 1

   Java 11 이상이 설치되어 있는지 확인합니다(java -version)

   java -version
2. 2

   Python 패키지를 설치합니다

   pip install -U opendataloader-pdf
3. 3

   Python에서 PDF를 Markdown 및 JSON으로 변환합니다

   python -c "import opendataloader_pdf; opendataloader_pdf.convert(input_path=['file1.pdf'], output_dir='output/', format='markdown,json')"

사용 전 알아둘 점

• !각 변환 시 JVM 프로세스를 실행하므로 Java 11 이상이 설치되어 있어야 합니다.
• !Word, Excel, PowerPoint 파일은 지원되지 않습니다.
• !복잡한 표, OCR, 수식을 처리하려면 별도의 백엔드 서버를 사용하는 하이브리드 모드가 필요합니다.
• !PDF/UA 내보내기는 엔터프라이즈 애드온이며 Apache-2.0 코어에 포함되지 않습니다.

토픽

자주 묻는 질문

opendataloader-pdf은(는) 무엇인가요?

PDF를 Markdown, 바운딩 박스가 포함된 JSON, HTML로 변환하고, 태그가 없는 PDF에 자동으로 태그를 추가해 Tagged PDF로 만드는 오픈소스 파서입니다. OpenDataLoader PDF는 PDF 파일에서 읽기 순서에 맞는 텍스트, 제목, 목록, 표, 이미지, 수식 등 구조화된 콘텐츠를 추출해 Markdown, 각 요소의 바운딩 박스가 포함된 JSON, HTML 또는 주석이 추가된 PDF로 출력합니다. 문서를 RAG 및 LLM 파이프라인에 공급하는 데 적합합니다. 결정론적 로컬 모드는 GPU 없이 Java 코어에서 실행되며, 선택 사항인 하이브리드 모드는 테두리 없는 표나 스캔 페이지처럼 복잡한 페이지를 OCR 기능이 있는 AI 백엔드로 전달합니다.

opendataloader-pdf은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

opendataloader-pdf은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

opendataloader-pdf은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. opendataloader-pdf의 마지막 커밋은 2026년 10월 20일입니다.

opendataloader-pdf은(는) 어디에 사용할 수 있나요?

RAG 시스템에 사용할 PDF 문서를 출처 좌표가 포함된 청크로 준비합니다. 연구 논문이나 보고서를 LLM 컨텍스트 윈도에 넣을 수 있도록 Markdown으로 변환합니다. 기존 PDF 아카이브에 일괄적으로 태그를 추가해 스크린 리더 접근성을 개선합니다. 과학 분야 PDF에서 표와 수식을 추출해 구조화된 JSON으로 변환합니다.

opendataloader-pdf는 어떻게 설치하나요?

Java 11 이상이 설치되어 있는지 확인합니다(java -version): java -version Python 패키지를 설치합니다: pip install -U opendataloader-pdf Python에서 PDF를 Markdown 및 JSON으로 변환합니다: python -c "import opendataloader_pdf; opendataloader_pdf.convert(input_path=['file1.pdf'], output_dir='output/', format='markdown,json')"

opendataloader-pdf은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/opendataloader-project/opendataloader-pdf