datalab-to/marker

这是什么？

核心功能

• 01支持将 PDF、图片、Office 文档和 EPUB 转换为 Markdown、JSON、分块或 HTML
• 02还原表格、表单、公式和行内数学
• 03提取并保存文档中的图片
• 04去除页眉、页脚等页面杂项
• 05可选 LLM 步骤提升精度，并支持自定义提示词
• 06可在 GPU、CPU 或 Apple MPS 上运行，并提供仅用 CPU 的快速模式

适用场景

• 将 PDF 论文或教材转换为 Markdown，用于 RAG 等检索流程
• 把表单和表格转换为结构化数据
• 批量转换整个文件夹的文档，并保留图片和 JSON 结构
• 通过 processor 和 renderer 接口实现自定义后处理

快速上手

1. 1

   从官方网站安装适合你平台的 PyTorch

2. 2

   使用 pip 安装 marker（需要 Python 3.10+）

   pip install marker-pdf
3. 3

   将 PDF 转换为 markdown

   marker_single /path/to/file.pdf

使用前须知

• !精确的 OCR 需要本地推理服务器：NVIDIA GPU 需要 Docker 和 NVIDIA Container Toolkit，CPU 和 Apple Silicon 需要 llama.cpp。
• !模型权重采用修改版 OpenRAIL-M 许可，超出初创企业限额后不可免费用于商业用途；代码为 Apache 2.0。
• !基于 LLM 的混合模式需要你自行配置外部 LLM 服务。

标签

常见问题

marker 是什么？

将 PDF 及其他文档转换为 Markdown、JSON、分块或 HTML，可选用 LLM 提升精度。 Marker 是一个文档转换工具，可将 PDF、图片、PPTX、DOCX、XLSX、HTML 和 EPUB 转换为 Markdown、JSON、分块或 HTML。它能处理表格、表单、公式、行内数学、链接、代码块和图片，并去除输出中的页眉、页脚等页面杂项。

marker 可以免费使用吗？用的什么许可证？

marker 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

marker 还在维护吗？

活跃维护中。marker 最近一次提交是在 2026年10月19日。

marker 适合用来做什么？

将 PDF 论文或教材转换为 Markdown，用于 RAG 等检索流程 把表单和表格转换为结构化数据 批量转换整个文件夹的文档，并保留图片和 JSON 结构 通过 processor 和 renderer 接口实现自定义后处理

marker 怎么安装和运行？

从官方网站安装适合你平台的 PyTorch 使用 pip 安装 marker（需要 Python 3.10+）: pip install marker-pdf 将 PDF 转换为 markdown: marker_single /path/to/file.pdf

在哪里获取 marker？

源代码和安装说明在 GitHub 上：https://github.com/datalab-to/marker