如何从PDF中解析表格
摘要
关于从PDF中解析表格的建议：将PDF转换为PNG并使用Gemini 3.1 Pro配合low thinking模式，声称准确率达95%。其他工具如Extend、Reducto、Landing在此任务中表现不佳。
根据我本月对表格解析的大量测试，我的建议是：将PDF转换为PNG，然后使用gemini 3.1 pro和low thinking模式进行解析。你在其他地方找不到更好的结果。我试过extend、reducto、landing，它们都很差。不要直接输入PDF，因为它们表现极差，因为PDF是一种糟糕且不标准的格式。在PNG上使用OCR模型效果更好。你无法达到100%准确率，那是白日梦。但95%是可行的。希望你们不要像我一样浪费时间。真希望我一开始就使用gemini pro。
相似文章
@jerryjliu0：LiteParse，我们的开源文档解析器，在将复杂 PDF 布局、文本和表格解析为清晰的空间网格方面表现出色……
LiteParse 是一款基于启发式规则的开源 PDF 解析器，无需依赖 ML 模型即可快速将复杂布局、文本和表格转换为整洁的空间网格。
我用6种文档类型对比了MinerU、Granite-Docling和PaddleOCR-VL的12项PDF解析能力
一位开发者对三种PDF解析模型（MinerU、Granite-Docling、PaddleOCR-VL）在六种文档类型和十二项能力上进行了基准测试，发现MinerU会丢失页脚，除非重建其markdown，而Granite-Docling输出更干净的原生markdown表格。
在将PDF输入本地模型之前，你们都用什么来预处理PDF？
一位用户寻求PDF预处理工具推荐，以提升本地大语言模型文档问答的输入质量。该用户比较了pymupdf、pdfplumber、docling和llamaparse，用于处理表格、多栏文本等杂乱布局。
nvidia/NVIDIA-Nemotron-Parse-2.0 · Hugging Face
NVIDIA 发布 Nemotron Parse 2.0，这是一个文档图像解析模型，可将扫描的 PDF 和图像转换为带有布局、边界框和阅读顺序的结构化文本，并增加了多语言 OCR 改进和图表感知解析功能。
我用不同类型，比较了更多解析器在14项PDF解析能力上的表现
一项基准测试比较了8款PDF解析器在14项能力上的表现，发现Chandra最准确，同时也指出了速度等方面的权衡；LightOnOCR-1B以小体积令人印象深刻，但在无法辨认的文本上会产生幻觉。