opendataloader-pdf
开源 PDF 解析与无障碍标注引擎，本地优先、AI 增强
OpenDataLoader PDF 是由韩国 Hancom 开发的 PDF 解析引擎，能将 PDF 转换为 AI 可消费的结构化数据（Markdown、JSON、HTML），同时是全球首个开源端到端 PDF 无障碍自动标注工具。它采用“本地确定性解析为主，AI 混合增强为辅”的核心思想：简单页面由本地 Java 引擎快速处理，复杂页面（如无边框表格、扫描件、公式、图表）路由到自托管的 AI 后端增强，全程数据不出机器。引擎提供阅读顺序识别（XY-Cut++）、边界框坐标、表格抽取、OCR（80+ 语言）、公式提取（LaTeX）、图表描述等功能，并内置 AI 安全过滤机制。项目采用 Apache-2.0 许可证，提供 Python、Node.js、Java SDK 及 CLI，支持 LangChain 集成。报告指出其基准测试成绩为开源第一（Hybrid 模式总分 0.907），但基准由 Hancom 内部测试，缺乏第三方独立验证。
09.08