pdf 转 md 的最佳实践是什么

问题描述：

最近想通过期刊论文构建本地知识库，需要把大量 pdf 转换为 markdown。试了很火的 MinerU，虽然它 OCR 能力很强，但是对于本身就是文本的 pdf 反而会出现更多的错别字。传统的 pypdf 和 pdfplumber 出来的东西又不是很有格式。佬友们有没有什么好的工具推荐呢？

网友解答：

---

--【壹】--：

我都是直接丢给哈基米，不过图片什么的怎么弄，还没转过有图片的

---

--【贰】--：

其实平时是直接ai的。就是你把pdf给ai然后让他给你md

---

--【叁】--：

html 转为 markdown 不行吗。除了表格格式保留为标签形式

---

--【肆】--：

看了一下，模型最新的是 V3-2509，那有段时间没更新了

---

--【伍】--：

是的，也是用mineru识别的，然后调用了翻译接口进行的翻译

---

--【陆】--：

一股脑塞进notebooklm 让谷歌大模型去处理把 现在应该是免费独一档

---

--【柒】--：

谷歌notebooklm感觉确实不错，免费使劲噔

---

--【捌】--：

我在 Nature 系列的期刊上测试过，还是会有拼写错误，不如直接拉 html 方便。可能是因为 MinerU 是视觉模型，不会直接拉取 pdf 中的文字，所以总是有不确定性。