PDF on 酒中仙

PDF转Markdown工具

Thu, 05 Feb 2026 14:34:25 -0800

PDF转Markdown工具

前言

在大语言模型（LLM）迅速发展的时代，文档处理和转换变得尤为重要。当我们需要将各种格式的文档（如 PDF、Word、PowerPoint 等）输入到 LLM 中进行分析或处理时，首先需要将这些文档转换为文本格式。然而，简单的文本转换往往会丢失文档的结构信息，如标题、列表、表格等重要元素。Microsoft 开源的 MarkItDown 项目就是为解决这一问题而诞生的。它能将各种格式的文档转换为 Markdown 格式，既保留了原文档的结构信息，又保证了输出内容的简洁性，特别适合与 LLM 配合使用。本文将深入探讨 MarkItDown 的功能特点、应用场景和使用方法，帮助开发者更好地利用这一强大工具。

markitdown

MarkItDown now offers an MCP (Model Context Protocol) server for integration with LLM applications like Claude Desktop. See markitdown-mcp for more information.

Python tool for converting files and office documents to Markdown.

主要功能

MarkItDown 的核心功能是将各种文件格式转换为 Markdown，特别强调在转换过程中保留文档结构和内容的完整性。与类似工具如 textract 相比，MarkItDown 更专注于保留文档中的以下结构元素：

标题层级
列表格式
表格结构
超链接
图像引用
文本格式（如粗体、斜体）

支持的文件格式

MarkItDown 支持的文件格式非常丰富，包括：

PDF 文档
PowerPoint 演示文稿
Word 文档
Excel 电子表格
图像文件（包括 EXIF 元数据提取和 OCR 文字识别）
音频文件（支持 EXIF 元数据提取和语音转文字）
HTML 网页
各种文本格式（CSV、JSON、XML 等）
ZIP 压缩文件（自动遍历内容）
YouTube 视频链接（提取字幕）
EPub 电子书
以及更多…

技术架构

MarkItDown 采用模块化设计，主要包含以下组件：

核心转换引擎：负责文件格式识别和转换协调
文件格式转换器：针对不同文件格式的专用转换模块
插件系统：支持第三方扩展功能
命令行接口：便于在终端中使用
Python API：方便集成到其他 Python 应用中

安装与使用

安装

MarkItDown 可以通过 pip 安装。为了获得完整功能，建议安装所有可选依赖：

1

pip install markitdown[all]

如果只需要部分功能，可以选择性安装依赖：

1
2


# 仅安装 PDF、Word 和 PowerPoint 支持
pip install markitdown[pdf,docx,pptx]

也可以从源代码安装：

1
2
3


git clone git@github.com:microsoft/markitdown.git
cd markitdown
pip install -e 'packages/markitdown[all]'

可选依赖包

MarkItDown 将依赖组织为可选特性组，当前支持的特性组包括：

[all]：安装所有可选依赖
[pptx]：PowerPoint 文件支持
[docx]：Word 文件支持
[xlsx]：Excel 文件支持
[xls]：旧版 Excel 文件支持
[pdf]：PDF 文件支持
[outlook]：Outlook 邮件支持
[az-doc-intel]：Azure Document Intelligence 支持
[audio-transcription]：音频转录支持（wav 和 mp3 文件）
[youtube-transcription]：YouTube 视频转录支持

命令行使用

最基本的命令行使用方式：

1
2
3
4
5
6
7
8


# 转换文件并输出到标准输出
markitdown path-to-file.pdf > document.md

# 指定输出文件
markitdown path-to-file.pdf -o document.md

# 从标准输入读取内容
cat path-to-file.pdf | markitdown

命令行方式

Python API 使用

基本使用：

1
2
3
4
5


from markitdown import MarkItDown

md = MarkItDown(enable_plugins=False) # Set to True to enable plugins
result = md.convert("test.xlsx")
print(result.text_content)

集成文档智能：

1
2
3
4
5


from markitdown import MarkItDown

md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

使用大语言模型生成图片描述（当前只适用于 pptx 和 image文件）需要提供 llm_client 和 llm_model:

1
2
3
4
5
6
7


from markitdown import MarkItDown
from openai import OpenAI

client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o", llm_prompt="optional custom prompt")
result = md.convert("example.jpg")
print(result.text_content)

Azure AI 文档智能是一项基于云的Azure AI 服务，支持构建智能文档处理解决方案。在 Python 代码中使用 MarkItDown：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


from markitdown import MarkItDown

# 基本使用
md = MarkItDown(enable_plugins=False) # 设置为 True 启用插件
result = md.convert("test.xlsx")
print(result.text_content)

# 使用 Azure Document Intelligence
md = MarkItDown(docintel_endpoint="<document_intelligence_endpoint>")
result = md.convert("test.pdf")
print(result.text_content)

pdf3md

PDF3MD 是一个现代化、用户友好的网络应用程序，旨在将 PDF 文档转换为干净、格式化的 Markdown 文本。它提供了高效的转换工具，支持多种文件格式之间的转换。

注意：不要用那种扫描的 pdf 文件，毕竟还不支持 ocr 功能

A modern, user-friendly web application that converts PDF documents to clean, formatted Markdown text.

主要特点

PDF 转 Markdown：能够将 PDF 文档转换为可读性强的 Markdown 格式，同时保留文档的结构元素。
Markdown 转 Word (DOCX)：支持将用户提供的 Markdown 文本转换为 DOCX 格式，使用 Pandoc 实现高质量输出。
多文件上传：支持同时上传和处理多个 PDF 文件，提升工作效率。
拖拽式界面：提供用户友好的文件上传方式，支持拖放或传统的文件选择。
实时进度跟踪：在转换过程中提供详细的状态更新，用户可以实时监控转换进度。
现代响应式用户界面：设计直观，适合各种设备使用。

应用场景

文档转换：适用于需要将 PDF 文档转换为 Markdown 的用户，例如技术文档编辑、博客撰写等。
内容编辑：方便用户在 Markdown 格式下进行内容编辑和格式化，然后可以轻松导出为 Word 文档。
批量处理：适合需要处理大量文档的场景，例如教育机构、出版社等。

PDF3MD 通过提供简化的文档转换流程，大大提升了用户的工作效率和体验。

gptpdf

gptpdf 是一个利用VLLM解析PDF为Markdown的工具，几乎完美支持数学公式、表格等。

GPTPDF 是一个使用视觉大模型（如 GPT-4o）将 PDF 文件解析成 Markdown 文件的工具。它主要用于高效地解析 PDF 文档中的排版、数学公式、表格、图片、图表等内容，并将这些内容转换为结构化的 Markdown 格式。其显著特点是简单且成本低，每页平均费用为 $0.013。

地址： https://github.com/CosmosShadow/gptpdf

marker

Marker是一款将PDF快速精准转换为Markdown的工具，支持多种文档格式和语言。

Marker是一款能够快速且准确地将PDF转换为Markdown的工具。它支持多种类型的文档（针对书籍和科学论文进行了优化），支持所有语言，并且能够去除页眉、页脚及其他杂乱信息。此外，它还能正确格式化表格和代码块，并提取图像保存为Markdown。同时，Marker将大多数的公式转换为LaTeX格式，适用于GPU、CPU或MPS环境。

地址： https://github.com/vikparuchuri/marker

PDF-Extract-Kit

PDF-Extract-Kit 提供高质量PDF内容提取，支持布局检测、公式识别和OCR功能

基本功能：

版面检测：使用 LayoutLMv3 模型进行区域检测，如检测图片、表格、标题、文本等。
公式检测：使用 YOLOv8 模型检测公式，包括行内公式和独立公式。
公式识别：使用 UniMERNet 进行公式识别。
光学字符识别 (OCR)：使用 PaddleOCR 进行文本识别。

地址： https://github.com/opendatalab/PDF-Extract-Kit

zeroX

Zerox OCR 是一种经济高效且准确的文档OCR工具，适用于AI数据处理。

Zerox OCR 是一种极其简便的方法，用于将文档进行光学字符识别（OCR）并方便人工智能进行后续处理。鉴于文档往往包含复杂布局、表格、图表等，视觉模型在处理这些内容时尤其有效。

基本逻辑如下：

提供一个 PDF 文件（URL 或文件缓冲区）。
将 PDF 转换成一系列图像。
将每个图像传给 GPT，让其生成 Markdown 格式的文本。
聚合所有响应，并返回 Markdown 格式的结果。

地址： https://github.com/getomni-ai/zeroX

omniparse

OmniParse是一个将各种非结构化数据转换为结构化、适用于生成式AI（LLM）应用的平台。

OmniParse 是一个数据解析平台，旨在将各种非结构化数据转换为适用于生成式AI（GenAI）应用的结构化数据。无论是文档、表格、图像、视频、音频文件，还是网页，OmniParse 都能对其进行处理，使其变得干净、结构化，并为诸如 RAG（Retrieval-Augmented Generation）和细调等AI应用做好准备。

特色：

完全本地化，无需外部API
支持多达 20 种文件类型
将文档、多媒体和网页转换为高质量的结构化 Markdown
支持表格提取、图像提取与标注、音频/视频转录、网页爬取
通过 Docker 和 Skypilot 轻松部署
兼容 Colab
交互式 UI 由 Gradio 提供支持

地址： https://github.com/adithya-s-k/omniparse

MinerU

MinerU 是一个开源的高质量数据提取工具，支持多种文件格式

MinerU 是一个一站式、开源的高质量数据提取工具，主要包括以下两个核心功能模块：

功能介绍：Magic-PDF 能将 PDF 文档转换为 Markdown 格式，可以处理本地存储或支持 S3 协议的对象存储中的文件。

主要特色：

支持多种前端模型输入
自动去除页眉、页脚、脚注和页码
保留文档原有的结构和格式，包括标题、段落、列表等
提取并显示图片和表格
将公式转换为 LaTeX 格式
自动检测和转换乱码 PDF 文档
兼容 CPU 和 GPU 环境
可在 Windows、Linux 和 macOS 平台上使用

地址： https://github.com/opendatalab/MinerU

参考资料

六个开源的PDF转Markdown项目

MarkItDown：微软开源的文档转 Markdown 工具及其在 LLM 时代的应用

PDF电子书制作工具

Thu, 05 Feb 2026 12:34:25 -0800

PDF电子书制作工具

前言

本文介绍一些PDF电子书制作工具。

MdBook-PDF

简介

用 Rust 编写的 mdBook 后端，基于headless chrome和Chrome开发工具协议生成PDF。

mdbook-pdf——中文说明

mdbook-theme

博客

安装和使用

由于它是 mdBook 的插件（后端），首先您应该确保 mdbook 可用。

如果您的计算机的架构为x86_64，或者ARM64版本的Linux，请检查成功的build GitHub Actions workflows/release，单击最新的一次运行记录，然后您可以从 Artifacts中获取二进制文件（包括 Windows、Linux、macOS）。

否则，确保 rust 编译环境可用，执行cargo install mdbook-pdf编译安装即可。

如果需要最新版的编译二进制文件，请确保 Rust 编译环境可用（cargo build），运行 cargo install --git https://github.com/HollowMan6/mdbook-pdf.git，或者，您可以克隆存储库并自行编译。（执行git clone https://github.com/HollowMan6/mdbook-pdf.git，在然后在克隆下来的文件夹中运行cargo build --release，在target/release/中获取可执行文件，并将其放入PATH）

为了使得程序能够正常运行，请确保计算机上在运行本程序之前已经安装了 Google Chrome / Chromium / Microsoft Edge，（安装在默认的位置，在当前的PATH中，或配置了二进制文件位置）。如果没有安装，并且程序启用了fetch功能(默认未开启，需使用cargo install mdbook-pdf --features fetch重新编译开启)，程序将会尝试自动下载 Chromium 浏览器并运行（注意：如在Linux中使用可能会存在chromium依赖不满足/非x86_64无法适配的问题）。

在Windows 10及以上该程序无需安装任何额外软件即可正常生成 PDF，因为 Microsoft Edge 是 Windows 系统自带的浏览器。当然如果考虑到对没有自带安装 Edge 的老版本Windows的支持，在电脑上安装一个 Google Chrome 即可。
在 macOS 中需要下载并安装 Google Chrome 或者 Microsoft Edge 或者 Chromium。
在 Linux 中安装Google Chrome / Chromium / Microsoft Edge 浏览器中的任意一个即可，推荐安装 Chromium，该软件包在您的发行版中一般名称为 chromium 或 chromium-browser（注意，在 Ubuntu 18.04 之后需要通过 snap 安装 chromium-browser）。

请确保您的book.toml中存在以下内容:

1
2
3


[output.html]

[output.pdf]

而且，[output.html.print]也没有被禁用（默认情况下应该是启用的，所以如果您的book.toml中没有出现以下行，请不要担心）。

1
2


[output.html.print]
enable = true

一个最简单的book.toml文件示例如下：

1
2
3
4
5
6


[book]
title = "An Example"

[output.html]

[output.pdf]

最后，您可以使用 mdbook build 命令生成书籍并获取PDF文件，您的PDF文件将被存放在book/pdf/output.put。

配置

支持自定义PDF纸张方向、页面缩放比例、纸张宽度和高度、页面边距、生成的PDF页面范围、是否显示页眉和页脚以及自定义其格式等。

示例配置文件：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43


[book]
authors = ["Hollow Man"]
language = "en"
src = "src"
title = "An Example"

[output.html]

[output.pdf]
## Set for auto-retrying if failed to generate PDF.
# trying-times = 1
## Set the timeout in seconds.
# timeout = 600
## This backend only support latest Chromium based browsers, not Safari and Firefox currently.
## If needed, please specify the full path.
## If you specify the wrong binary, chances are that there will be a timeout error.
# browser-binary-path = ""
## Assign the static hosting site url so that relative links outside the book can be fixed.
# static_site_url = "https://rust-lang.github.io/mdBook"
## Set the theme to be applied for the generated PDF.
# theme = "ayu"
## Check Chrome Devtools Protocol Docs for the explanation of the following params:
## https://chromedevtools.github.io/devtools-protocol/tot/Page/#method-printToPDF
landscape = false
display-header-footer = true
print-background = true
scale = 0.7
paper-width = 8
paper-height = 10
margin-top = 0.5
margin-bottom = 0.5
margin-left = 0.5
margin-right = 0.5
page-ranges = ""
ignore-invalid-page-ranges = false
header-template = "<h3 style='font-size:8px; margin-left: 48%' class='title'></h3>"
footer-template = "<p style='font-size:10px; margin-left: 48%'><span class='pageNumber'></span> / <span class='totalPages'></span></p>"
prefer-css-page-size = true
generate-document-outline = false
generate-tagged-pdf = true

[output.pdf-outline]
like-wkhtmltopdf = true

查看 book.toml 以了解 [output.pdf] 可用配置的详细信息。

具体参数详解：

trying-times

接受输入一个整型数，默认为1。其指定假如发生PDF生成失败的情况重试的次数。

browser-binary-path

接受输入一个字符串，默认为空''，程序自动判断路径。其指定浏览器可执行文件路径。

本程序支持最新的基于Chromium的浏览器，不支持Safari和Firefox。如果你需要指定，请指定完整的路径，比如说/usr/bin/foo。如果指定了错误的可执行文件，则很可能会出现超时错误或者直接报错。

static-site-url

接受输入一个字符串，默认为空''。其指定书的静态网站托管URL，从而修复书之外的相对链接，将其转换为绝对路径。

landscape

接受输入一个布尔值，默认为false。其指定PDF纸张方向，true为横向，false为纵向。

display-header-footer

接受输入一个布尔值，默认为false。其指定是否显示页眉和页脚，true为显示，false为不显示。

print-background

接受输入一个布尔值，默认为false。其指定是否在PDF中显示背景图片，true为显示，false为不显示。

theme

接受输入一个字符串。其指定用于打印书的主题。

scale

接受输入一个数字，默认为1。其指定缩放因子，例如指定值为1.25，则将页面缩放125%。

paper-width

接受输入一个数字，默认为8.5。其指定页面宽度的英尺数，如果需要使用A4纸请将此值设为8。

paper-height

接受输入一个数字，默认为11。其指定页面高度的英尺数，如果需要使用A4纸请将此值设为10。

margin-top

接受输入一个数字，默认为1。其指定页面上边距的厘米数。

margin-bottom

接受输入一个数字，默认为1。其指定页面下边距的厘米数。

margin-left

接受输入一个数字，默认为1。其指定页面左边距的厘米数。

margin-right

接受输入一个数字，默认为1。其指定页面右边距的厘米数。

page-range

接受输入一个字符串，默认为空''，即不截取PDF页面。其指定生成PDF文件页面截取范围，支持指定常见打印机格式页面范围，如'1-5, 8, 11-13'则是将第1到5页以及第8页和第11到13页截取出来生成。

ignore-invalid-page-ranges

接受输入一个布尔值，默认为false。其指定，如果上面指定的PDF文件页面截取范围格式正确，但是实际无法按照语义执行，是否忽略。true为忽略，生成全部PDF页面，false为进行报错，如在指定3-2这种情况下将会报错，PDF生成失败。

header-template

接受输入一个字符串。其指定PDF文件页眉的HTML模板。其值应该是一个有效的HTML标记，并使用以下类从而将对应值插入其中：

date: 格式化后的PDF生成日期
title: 书的标题
url: PDF文件存放路径
pageNumber: 当前页号
totalPages: 总共页数

例如，'<span class=title></span>' 将生成一个包含标题的页眉。

footer-template

接受输入一个字符串。其指定PDF文件页脚的HTML模板。其值的格式同header-template。

prefer-css-page-size

接受输入一个布尔值，默认为false。其指定是否使用 CSS 定义的页面大小。true为使用，false时页面将通过缩放来适应纸张大小。

generate-document-outline

接受输入一个布尔值，默认为true。其指定是否根据网页生成PDF目录。

generate-tagged-pdf

接受输入一个布尔值，默认为true。其指定是否根据网页生成PDF标记。

常见问题

让mdbook-pdf支持火狐！目前，尽管 Puppeteer 根据其文档，已经支持类似于Chrome 开发工具协议 Page.printToPDF的东西，rust-headless-chrome 并没有。
链接损坏！

我已经提交了一个 mdBook 的拉取请求，该拉取请求通过将打印页面 (print.html) 上的链接指向打印页面上的锚点来解决此问题，但尚未合并。您可以尝试我的拉取请求分支以使其正常工作。在最新的 mdbook (v0.5.0+) 中已经修复。

如果你的书中有书以外的相对路径链接，请提供静态网站托管URL以便修复。

~~可以像wkhtmltopdf支持的那样，在PDF中添加书签来反映目录吗？~~

这已经由 Chromium 实现，现在，在v0.1.11+中，您可以通过generate-document-outline选项控制。

[!NOTE] 如果您不喜欢 Chromium 的实现方案，我们还自己实现了对PDF文件书签/大纲的支持（mdbook-pdf-outline）。它是mdbook的另一个后端，用Python编写，应与mdbook-pdf 一起使用。

您可以通过pip install mdbook-pdf-outline安装此后端。

记住将以下内容放在book.toml的 末尾，[output.pdf]之后，并禁用generate-document-outline选项：
1
2
3
generate-document-outline = false

[output.pdf-outline]
如果您希望使PDF目录与wkhtmltopdf生成的目录相同（根据标题生成条目），则则无需进一步修改book.toml：

如果您想使PDF目录与print.html页面中显示的目录相同，可以通过在book.toml中禁用like-wkhtmltopdf选项（注意：此功能只在mdbook v0.5.0 之前修复了print.html中损坏链接的旧版mdbook版本可用，你可以通过 cargo install --git https://github.com/HollowMan6/mdBook mdbook安装。
1
2
3
4
generate-document-outline = false

[output.pdf-outline]
like-wkhtmltopdf = false
最后，您可以在book/pdfoutline/output.pdf中找到带有大纲/目录的版本。

在 mdbook-pdf 所遵循的 Markdown 源中强制分页！

参考#9，您可以使用以下语法在markdown源中强制分页：

1
2


<div style="page-break-before:always">&nbsp;</div>
<p></p>

无法在 mdbook-pdf 中将我的书呈现为 PDF！

如果您能将它报告给问题跟踪器，并提供mdbook-pdf渲染时产生的所有跟踪，以及book.toml配置文件，和书的仓库地址（如果有的话），将不胜感激。

1

RUST_BACKTRACE=full RUST_LOG=trace mdbook build

Typora

Typora-China指南

Typora 支持你将当前文档导出为 PDF、HTML、HTML（无样式）和图像格式。

更多的格式（如 Word、RTF 等）通过 pandoc (opens new window)，在你 install pandoc (opens new window)，这些格式都支持开箱即用。

你可以从 文件 → 导出 命令的菜单栏中访问导出命令。

使用wkhtmltopdf从HTML生成PDF

在本文中，我们将介绍如何使用wkhtmltopdf工具从HTML文件生成PDF文件。wkhtmltopdf是一个开源的命令行工具，它可以将HTML转换为PDF，并保留HTML文档的结构和样式。

安装wkhtmltopdf

要使用wkhtmltopdf工具，首先需要在您的系统上安装它。wkhtmltopdf是一个跨平台的工具，可以在Linux、Windows和MacOS上使用。

在Linux上安装wkhtmltopdf，您可以执行以下命令：

1

sudo apt-get install wkhtmltopdf

在Windows上安装wkhtmltopdf，您可以从官方网站下载可执行文件，并按照安装向导进行安装。

使用wkhtmltopdf生成PDF

安装完成后，您可以使用以下命令从HTML文件生成PDF文件：

1

wkhtmltopdf input.html output.pdf

您可以使用--page-size参数来指定生成的PDF文件的页面大小。以下是一些常用的页面大小：

A4
Letter
Legal
A5
A3

您可以使用--orientation参数来指定页面的方向。可以选择的方向有Landscape和Portrait。

例如，以下命令将生成一个A4大小、纵向排列的PDF文件：

1

wkhtmltopdf --page-size A4 --orientation Portrait input.html output.pdf

包含页眉和页脚

您可以使用--header-html和--footer-html参数来为PDF文件添加自定义的页眉和页脚。您可以指定一个HTML文件作为页眉和页脚的模板。

例如，以下命令将为PDF文件添加一个名为header.html的页眉模板和一个名为footer.html的页脚模板：

1

wkhtmltopdf --header-html header.html --footer-html footer.html input.html output.pdf

设置页面边距

您可以使用--margin-top、--margin-right、--margin-bottom和--margin-left参数来设置PDF文件的页面边距。

例如，以下命令将设置PDF文件的上、右、下和左边距为1英寸：

1

wkhtmltopdf --margin-top 1in --margin-right 1in --margin-bottom 1in --margin-left 1in input.html output.pdf

添加目录

您可以使用--toc参数来为PDF文件添加目录。

例如，以下命令将为PDF文件添加目录：

1

wkhtmltopdf --toc input.html output.pdf

在本文中，我们介绍了如何使用wkhtmltopdf工具从HTML文件生成PDF文件。您可以安装并使用这个开源工具来生成高质量的PDF文件，同时保留HTML文档的结构和样式。无论您是在Linux、Windows还是MacOS上工作，wkhtmltopdf都是一个强大而方便的工具。

中文古籍刻本風格直排電子書製作工具vRain

中文古籍刻本風格直排電子書製作工具 Chinese Ancient eBooks Generator

vRain is

vRain是该復刻計劃的主要工具，此外還有古籍印章製作工具 vYinn殷人、古棋譜製作工具 vQi 、古籍掃描圖像變形糾正工具vModou墨斗以及其他傳統文化文創工具，如天地人三才傳統曆法筆記本 v3Cai等。
vRain是一款面向讀者的中文古籍刻本風格直排電子書製作工具。
參考中文古籍雕版刻本製作過程，首先生成書葉背景圖，根據行數、每行字數形成一個自右向左、自上而下的位置數組，然後把文本逐字打印到對應位置，打滿一頁、新建一頁，直到所有文字處理完。
文本編輯準備和自動排版生成分離，使用者將主要精力用在文本編輯準備。
一個背景圖對應一個配置文件。一本書對應一個配置文件。
百萬字書籍十幾分鐘生成。
採用Perl語言開發，需安裝Image::Magick和PDF::Builder等模塊。
作者小紅書主頁：兀雨書屋。

基本功能

書葉背景圖的書房名、尺寸、列數、框線粗細及顏色均可配置。支持單雙、順對、黑白魚尾。
支持生成宣紙做舊風格、竹簡風格的背景圖。
支持批注文字小字雙排。正文、批注文字的字體、大小、顏色、位置可配置。
正文文字、批注文字、標點符號的上、下、左、右位置均可微調以達到最佳呈現效果。
一主多輔字體，主字體不支持時自動採用輔字體補字。某字符主字體不支持時，可嘗試簡繁轉換以改善支持情況，但可能產生與語境不符問題。
標點符號替換規則、過濾規則可配置。標點符號可歸一化為句號，僅用於句讀。常用標點符號可設置為不佔字符位置，頁面文字更緊湊，貼近古籍刻本風格。
書名號、單雙引號直排旋轉九十度。書名號可調整為側邊線。
根據文本序號自動生成PDF目錄，如第x回、卷x。
保留字符：’@‘代表空格，’【】‘內代表雙排批注文字，’%‘代表換葉符，’$‘代表換頁符（半葉），’&‘代表下行文字居葉末，文本行首’S+數字’代表整段縮幾個字符（需indentxt腳本做預處理）。

PPT转PDF并合并

Spire.Presentation for Python 是一个强大的 API，用于在 Python 应用中处理 PowerPoint 演示文稿。它使开发者能够创建、编辑、转换和保存演示文稿，而无需使用 Microsoft PowerPoint。Spire.Presentation for Python 提供幻灯片管理、文本和图像处理、图表创建和水印等功能，提供高效的演示处理综合工具包。

它支持流行的演示文件格式，如PPT、PPS、PPTX和ppsx，并且允许格式间的便捷转换。开发者可以将演示文稿导出为图片、PDF、HTML、XPS 和 SVG 文件。凭借用户友好的界面和丰富的功能，Spire.Python演示使开发者能够轻松提升Python应用中的PowerPoint演示能力。

转换示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


from spire.presentation import *
from spire.presentation.common import *

# Create an object of Presentation class
presentation = Presentation()

# Load a presentation file
presentation.LoadFromFile("Sample.pptx")

# Convert the presentation file to PDF and save it
presentation.SaveToFile("output/PresentationToPDF.pdf", FileFormat.PDF)
presentation.Dispose()

参考资料

https://github.com/Krasjet/pdf.tocgen

https://zhuanlan.zhihu.com/p/137469275

https://geek-docs.com/html/html-ask-answer/648_html_calling_wkhtmltopdf_to_generate_pdf_from_html.html

https://github.com/HollowMan6/mdbook-pdf/blob/main/README_CN.md

https://github.com/lookscanned/lookscanned.io