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
| 仓库 | 职责 | 星数 |
|---|---|---|
| MinerU | 完整 PDF 理解 | 76,942 |
| Docling | 结构感知转换 | 64,320 |
| Marker | 快速 PDF 转 markdown | 38,453 |
| Unstructured | 25+ 格式 | 15,268 |
| PDF-Extract-Kit | 公式与版式 | 9,933 |
| Table Transformer | 表格检测 | 2,935 |
| PDFMathTranslate | PDF 翻译 | 35,984 |
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。
相关文章
本站文章由编辑人工撰写，收录的工具均经过实测或公开资料核验。文中链接指向工具官网或 GitHub 仓库，仅作信息参考，不构成付费推广。
