摘要：深入探讨开源 PDF 转 Markdown 工具，比较 Dolphin、MarkItDown、MinerU 和 Marker 的功能与优缺点，助您选择最佳解决方案。
文章摘要
深入探讨开源 PDF 转 Markdown 工具，比较 Dolphin、MarkItDown、MinerU 和 Marker 的功能与优缺点，助您选择最佳解决方案。
本文系统对比了 Dolphin、MarkItDown、MinerU、Marker 等主流开源 PDF 转 Markdown 工具，围绕结构保真、图片表格提取、AI 能力与易用性等维度，帮助技术读者快速选型并理解各工具的适用场景。
在选择 PDF 转 Markdown 工具时，结构保真度、图片表格处理能力、AI 智能解析和易用性是核心考量。下表汇总了四款主流工具的关键功能差异，便于快速对比。
功能维度
ByteDance Dolphin
Microsoft MarkItDown
OpenDataLab MinerU
Datalab Marker
目录层级保留 基本保留章节层级，偶有顺序误差 不保留，仅纯文本 保留，支持标题分类 保留，精准识别层次 图片内容 检测并输出图片 仅占位符，不导出图片 导出图片并关联说明 自动导出图片文件 表格样式 Markdown 表格，复杂表格易失真 简单表格或纯文本，样式丢失 HTML 嵌入，保留样式 Markdown 表格，LLM 优化复杂表格 超链接保留 仅文本，链接目标缺失 可能丢失链接，仅文本 链接目标未显式导出 识别并输出 Markdown 超链接 图表标题引用 识别并绑定说明 不保留 智能匹配标题与图表 检测标题与引用，输出参考链接 AI 智能解析 视觉大模型 OCR，两阶段解析 可选 Azure 文档 AI 或 GPT OCR+ 多模型管线，自动识别 OCR/布局模型，LLM 可选 使用方式 本地命令行，无界面 CLI/Docker，无网页 UI CLI/Python API/Web 演示/App CLI/GUI/API/在线平台 免费开放性 MIT 许可，开源免费 MIT 许可，开源免费 代码友好，模型含 AGPL GPL/研究许可，商用需授权 安装部署 克隆代码 + 依赖 + 模型下载 pip 一键安装/Docker pip/uv/Docker，自动下载模型 pip 安装，支持 GUI/服务器 底层技术 Vision Transformer OCR PDFMiner+ 规则转换 版面检测+OCR+ 表格 + 公式多模型 轻量模型 + 规则+LLM 辅助 项目背景 字节跳动研究团队，ACL 论文 微软 Autogen 团队，社区活跃 清华&上研所，更新频繁 EndlessAI 初创团队，商业支持 扩展定制 输出格式有限，需改源码 插件机制，易扩展 流水线可自定义，配置丰富 支持自定义逻辑和 LLM PromptMinerU 由 OpenDataLab 开源，融合多种 AI 模型，最大限度复原文档结构和内容：
• 自动判别标题层级，输出清晰 Markdown 结构。
• 图片、表格、公式均完整提取，复杂表格以 HTML 嵌入。
• 支持 84 种语言 OCR，自动检测扫描件。
• 公式识别率高，LaTeX 格式友好。
• 安装支持 pip/uv/Docker，首次运行自动下载模型。
• 资源占用高，推荐 GPU 环境。
我最喜欢的 MinerU 的一点是它可以精准得识别和使用 HTML 渲染表格
MinerU 适合学术论文、复杂报告等高保真需求场景，部署复杂但解析质量接近商用工具。并且 MinerU 的文档和社区较为活跃，便于获取支持和交流。MinerU 还提供了客户端与 Web 页面，方便非技术用户使用。
Marker 由 EndlessAI 团队开发，兼顾速度与结构保真：
• 保留章节、段落、列表、脚注等结构，阅读顺序合理。
• 图片和表格均自动导出，支持 LLM 优化复杂表格和公式。
• 超链接和参考文献均可保留，支持多格式和多语言。
• 支持 CLI、GUI、API 和在线服务，易用性强。
• GPL/研究许可，商用需授权。
Marker 可以较高清的保存 PDF 中的图片
Marker 适合批量转换、结构复杂文档和多语言场景，速度快、功能全，唯一需关注许可限制。笔者在测试中发现，Marker 对图片的处理较为出色，可以保存高清的原文档图片，但对复杂表格的支持相对较弱。笔者在进行电子书翻译时使用的就是 Marker。
Dolphin 由字节跳动研究团队开源，采用视觉 Transformer OCR 和布局理解，能自动还原 PDF 版面结构，输出结构化 Markdown/JSON。其优势在于：
• 自动保留章节、段落、表格、公式、图片及标题等结构。
• 图片和公式均以 Markdown 语法嵌入，公式支持 LaTeX。
• 表格以 Markdown 表格输出，复杂表格易失真。
• 超链接仅保留文本，无法还原 URL。
• 依赖深度学习两阶段解析，适合复杂版面和扫描件。
• 本地命令行运行，无需联网，安装需下载模型权重。
Dolphin 适合对布局保真要求高、需本地自托管的场景，但复杂表格和标题顺序偶有错乱，需人工后处理。
MarkItDown 是微软开源的通用文件转 Markdown 工具，主打多格式支持和易用性：
• 支持 PDF、Word、PPT、Excel、图片等多种格式。
• PDF 仅提取纯文本，不保留标题层级和排版。
• 表格多为纯文本，复杂样式丢失，图片仅输出占位符。
• 支持插件机制，可扩展新格式和自定义处理。
• 可选 Azure 文档 AI 或 GPT 生成图片描述。
• 安装便捷，pip 一键安装，社区活跃。
MarkItDown 适合快速获取文本内容或批量处理多格式文件，但结构保真度有限，需后期整理层级和格式。
• Pandoc：文档转换“瑞士军刀”，支持多格式互转，适合结构清晰 PDF 快速转换。
• pdf2md (Node.js)：轻量 CLI，适合批量处理和 web 集成。
• markitdown-go：Go 环境专用，运行高效，易集成。
• olmOCR：专注扫描件 OCR，适合图像文字识别。
• pdf-to-markdown-gpt：AI 驱动，适合轻量项目。
• Docling、appjsonify、DocXChain：新兴 AI 项目，支持结构化解析和自定义流程，适合学术和复杂场景。
下表总结了这些新兴工具的特点和适用场景：
工具类别
典型代表
优势场景
通用结构良好 Pandoc 章节、公式、脚注结构化文档 JS 环境轻量工具 pdf2md (Node.js) 快速批处理，web 集成 Go 环境专用 markitdown-go 命令行高效，Go 项目集成 扫描件/复杂图像 PDF olmOCR + 组合 OCR 强，图像文字识别 AI 驱动高保真 pdf-to-markdown-gpt、Docling AI 理解结构，格式保留更多 学术 PDF 深度解析 appjsonify、DocXChain 论文布局和结构分析经笔者实际测试，MinerU 的转换速度较快，可以识别复杂表格并通过 HTML 来渲染，但是对图片处理不够友好，可能导致图片截取不完整。Marker 在结构保真和图片表格处理上表现较好，且支持多种使用方式，但商业许可限制较多。Dolphin 适合对布局要求高的场景，但复杂表格处理不佳。MarkItDown 适合快速获取文本内容，但结构保真度有限。所有这些工具都有一个通病，就是对 PDF 的文档目录结构识别不够准确，尤其是多级标题和章节顺序，有时会出现错乱，需人工后期调整。总体看来推荐 Marker 和 MinerU 作为首选，Dolphin 和 MarkItDown 可作为补充工具。也可以根据具体需求组合使用，对于图书结构的文档推荐使用 Marker，对于更加开放和自由格式的文档推荐 MinerU。
本文系统梳理了 Dolphin、MarkItDown、MinerU、Marker 等主流开源 PDF 转 Markdown 工具的功能特点与适用场景。对于结构保真、图片表格提取、AI 智能解析和易用性等维度，各工具各有优势。实际选型时，建议结合文档复杂度、部署环境和商业许可要求，优先考虑结构保真度高且易用性强的方案。对于学术论文、复杂报告等高要求场景，推荐 MinerU 或 Marker；如需快速批量处理或多格式支持，可选 Pandoc 或 MarkItDown。未来，AI 驱动的文档解析工具将持续提升解析质量和自动化能力，值得持续关注。
1. Dolphin - github.com
2. MarkItDown - github.com
3. MinerU - github.com
4. Marker - github.com
5. Pandoc - pandoc.org
6. pdf2md - github.com
7. markitdown-go - github.com
8. Docling - github.com
9. appjsonify - github.com
10. DocXChain - github.com
• Bilibili：space.bilibili.com/31004924
版权声明本文首发于 jimmysong.io，遵循 CC BY-NC-SA 4.0 协议。转载请注明出处并保留作者信息。
来源：opendotnet
