Document Parser GitHub：文档AI必看的7个仓库

最好的文档解析器都在 GitHub 上。这里列出 7 个必备仓库，从 PDF 解析到 OCR 和公式提取，星数实测。

💡 你将学到

最好的文档解析器都在 GitHub 上。这里列出 7 个必备仓库，从 PDF 解析到 OCR 和公式提取，星数实测。

文档 AI 从好解析器开始，而最好的解析器都是开源的。这是我们实测数月后推荐的 document parser GitHub 精选清单——星数均为 2026 年 8 月实测。

7 个必备仓库

opendatalab/MinerU（76,942）——完整 PDF 理解，版式、公式、OCR。docling-project/docling（64,320）——结构感知文档转换。datalab-to/marker（38,453）——快速 PDF 转 markdown。Unstructured-IO/unstructured（15,268）——25+ 格式。opendatalab/PDF-Extract-Kit（9,933）——公式与版式提取。microsoft/table-transformer（2,935）——表格检测。Byaidu/PDFMathTranslate（35,984）——保留公式的 PDF 翻译。

你不需要全部七个。规律：MinerU 或 Docling 做主解析器，marker 用于速度敏感转换，公式多上 PDF-Extract-Kit，表格为主上 table-transformer，输入庞杂用 Unstructured，翻译论文用 PDFMathTranslate。

对比

常见问题

问：这些能上生产吗？
答：能——MinerU、Docling、Unstructured 都有稳定 API，已在规模化生产管道中使用。

问：哪个文档最好？
答：Unstructured 文档最全；MinerU 社区最大、示例最多。