為 AI 準備 PDF

將 PDF 內容擷取為 LlamaIndex JSON,用於 RAG/LLM 管線。

點選以選擇檔案 或將檔案拖曳至此處

一個或多個 PDF 檔案

您的檔案絕不會離開您的裝置。

使用方式

1

上傳文件

點選或拖曳檔案至此處以開始

2

流程

點選處理按鈕以開始

3

下載

立即儲存處理後的檔案

相關 PDF 工具

合併PDF

免費線上合併 PDF 工具

壓縮PDF

免費線上壓縮PDF工具

分割PDF

免費線上分割PDF工具

編輯PDF

免費線上編輯PDF工具

旋轉 PDF

免費線上旋轉 PDF 工具

常見問題

JSON 輸出包含什麼?

它遵循 LlamaIndex 文檔架構:每頁一個文檔,包含該頁面的文字和元資料欄位。它是由 PyMuPDF 的 LlamaIndex 整合產生的,因此可以直接載入到 LlamaIndex 或任何接受帶有元資料的每頁文字的管道中。

這與 PDF 轉文本或 PDF 轉 Markdown 有什麼不同?

PDF 轉文本 提供一個純文字流,PDF to Markdown 保留標題和結構以供閱讀。該工具逐頁拆分內容,並將其包裝在帶有元資料的結構化 JSON 中,這正是檢索管道進行分塊和引用來源所需的內容。

它適用於掃描的 PDF 嗎?

僅當他們已經有文字圖層時。掃描的影像會產生空或接近空的輸出,因此請執行它們 文字辨識 PDF 首先,然後提取。

我可以處理整批 PDF 嗎?

是的。上傳多個文件,您將獲得 pdf-for-ai.zip,其中每個 PDF 包含一個 yourfile_llm.json;單一文件直接下載為 yourfile_llm.json。如果批次中的一個文件失敗,其餘文件仍然完整,並且摘要會告訴您失敗的數量。

我可以選擇要提取哪些頁面或控制區塊大小嗎?

不,沒有選擇;沒有選擇。每個頁面都會提取其全文和元資料。在您自己的管道中進行分塊,您可以在其中選擇適合您的嵌入模型的大小,並刪除不需要的頁面。

我可以為 AI 工具準備受密碼保護的 PDF 嗎?

是的。如果檔案已加密,系統會在開始提取之前提示您輸入密碼,並從解密的副本中提取文字。

我的文件是否會發送至人工智慧服務?

不會。儘管有這個名稱,但不會向人工智慧提供者或任何伺服器發送任何內容;提取在瀏覽器中使用編譯為 WebAssembly 的 PyMuPDF 運行。您隨後決定 JSON 的去向。

我可以使用 JSON 文件做什么?

将其输入 RAG 管道,为聊天机器人构建知识库,对报告运行 LLM 分析,或将 PDF 集合转换为训练数据。由于内容通过元数据按页分割,因此答案可以指向它们来自的页面。