Marker是一个非常热门的可以将PDF文件转换成Markdown/JSON/Html的应用，处理速度快识别精度高，支持批量多PDF转换，是一个强大的PDF转MD工具。它昨天更新了最新版本v1.1.0，我制作了最新版的一键启动包并重新制作了UI界面。
Marker简介
Marker 可以快速准确地将 PDF 转换为 markdown、JSON 和 HTML。
- 支持多种文档
- 支持所有语言
- 删除页眉/页脚/其他物品
- 格式化表格和代码块
- 提取并保存图像和 Markdown
- 将方程式转换为乳胶
- 可通过您自己的格式和逻辑轻松扩展
- 适用于 GPU、CPU 或 MPS
相对于我分享的上个整合包，应用已经更新了多个版本了，而且更新内容比较多，具体更新内容如下：
Marker历史版本更新内容
12月13日 v1.1.0
标记错误修复和“pdftext”改进
- 修复以正确chunk_convert.sh处理output_dir
- pdftext改进和其它错误修复
- 空白页和目录错误修复
- 修复 README.md 并更新示例
- 更新至最新的 pdftext 版本，结合启发式分割技术，以增强性能和准确性
- 更新surya和tabled依赖项，并修复各种错误。
12月4日 v1.0.2
错误修复 – Python 3.10 兼容性、引号、图像
- 修复 Python 3.10 的问题
- 修复引号字符的位置
- 将默认图像输出类型更改为 JPEG，以提高速度和减小文件大小，同时最大程度地降低质量损失
12月3日 v1.0.1
错误修正和解析改进
- 修复大量杂项错误，包括编码、空白页问题和图像渲染
- 通过连接和嵌套改进列表处理
- 添加引用
- 稍微提高性能
11月28日 v1.0.0
这是marker v1 的版本，从头开始完全重写。
- 采用新的布局模型，速度提高 2 倍
- 块和页面的一致内部架构
- 模块化架构，处理器和渲染器可轻松覆盖
- JSON 块和 markdown 输出
- 大量单元测试
- 更高的输出质量
v0.3.10
性能改进，API 服务器
- 提高性能 10-15%
- 为本地用例添加一个简单的 API 服务器
v0.3.9
拼合 PDF、修复页面分隔符、修复 torch/transformers 错误
- 修复 transformers 4.46 和 torch 2.5 的问题
- 改进页面分隔符 – 它们现在出现在页面的开始处，并显示页码
- 在提取 Markdown 之前将表单字段展平到 PDF 中
v0.3.8
修复表格错误
- 修复当设置了 start_page 并且文档中有表格时导致转换失败的错误
v0.3.6
加速、修复错误
- 修复一些极端情况下的 OCR 错误
- 通过改进布局和文本检测，端到端加速约 20%
v0.3.1
修正错误，提高输出质量
- 修复 torch 2.5 的 MPS 错误
- 修复零线块的标题错误
- 提高视觉框与文本框偏移时的输出质量
10-18 v0.3.0
更好的表格、改进的输出质量、标题级别
- 集成自定义表格模型以实现更好的表格渲染 – 这使用了最先进的开放表格模型
Markdown 输出
- 调整块检测以全局改善 markdown 输出
- 以更好的方式将布局标签分配给块 – 将提高整体质量
- Markdown 输出中更好的行距
- 将脚注推至页尾
标题级别
- 添加对标题级别的检测，例如#、## 等。
- 添加计算目录
错误修正/杂项
- 修复分页不起作用的错误
- 使用调试图像输出进行更好的调试
- Python 3.13 支持
Marker一键启动整合包软件使用说明：
待处理文件(夹)：需要PDF转MD/JSON/HTML的文件或是所在的文件夹，用鼠标左键单击文件或是文件夹按住拖动到程序窗口里，文件或是文件夹路径会自动填充到文本输入框中
禁用图片提取：PDF中有图片的话默认会提取出来，可以开启这个选项禁止提取图片
输出文件分页：是否对输出文件进行分页处理
禁用多进程：是否禁用多进程处理
OCR语言：如果进行OCR识别可指定语言，中文为zh,英语eng,法语fra,德语deu，其它语言代码可以查看我另一篇文章《语言名称及简写代码两字母三字母代码对照表》，如果输入多个语言可用英文逗号,隔开，如：eng,fra,deu
强制OCR：是否强制对整个文档使用 OCR
页面范围：想要识别转换的指定PDF的页码，页码从0开始。如果只想转换PDF文档中的第2页，输入框里可以填1，如果想要转换多个不连续页面的话，可以按下面规则设置：1,5-8,11，即转换第2、6-9、12页的PDF内容。中间为英文逗号,和-
输出格式：软件默认输出md格式，如果想要输出JSON和Html格式的话，可以在下拉列表中选择
总分块数：指定任务总分块数，用于多任务并行。
文件总数：指定最多处理的 PDF 文件数量。
工作进程数：可以指定同时进行多少个处理任务，每个处理任务占用显存3.5G左右，如果你的显卡显存比较大的话，可以调高这个值，加快处理速度。
跳过已有文件：跳过已存在的转换文件
注意事项：软件运行主要依赖于GPU，建议英伟达显卡显存在2G以上的用户使用。
Marker 只会转换块方程
本软件不适合有大量表格的PDF文档的识别转换,多行单元格有时会被分成多行布局非常复杂，带有嵌套表格和表单，可能无法正常工作。
如果软件运行中出现:ValueError: max() arg is an empty sequence类似错误，是由于你这个PDF文档排版有问题，无法检测到布局，这是在选择整个文件夹进行批处理中会遇到的问题，如果批处理时某个PDF文档无法处理，你可以选择单独处理这个PDF文档。
本软件为Windows电脑版，不支持手机和MAC，建议英伟达显卡显存2G以上用户使用。
PDF转Markdown/JSON/HTML软件Marker一键启动包下载链接：
https://afdian.com/p/f1141326b9ed11ef88635254001e7c00
其他下载链接：
