OmniDoc Dokumentuitreksel

OmniDoc Dokumentuitreksel / Vergelyking vir 2026

Gratis dokument-onttrekkingsgereedskap vergelyk vir 2026: PDF tot Markdown en JSON

Om PDF's, skanderings en Office-lêers in Markdown en JSON te omskep met opskrifte, tabelle en beelde kan beteken dat jy 'n open-source model self moet gasheer of 'n API moet gebruik wat per bladsy gefaktureer word. Hierdie bladsy stel die gratis toelaes, insette, uitsette en opstelling van sewe algemene gereedskappe langs mekaar, met die amptelike bron vir elke syfer.

Hierdie vergelyking is geskryf deur die OmniDoc-span, en OmniDoc is ons eie produk. Elke syfer oor 'n ander hulpmiddel kom van sy amptelike bladsy of argief, nagegaan op 14 November 2026; hul bladsye wen as iets verskil.

Ekstraher 'n lêer gratis met OmniDoc

In 'n oogopslag: gevryfse toelaag, insette en uitsette

HulpmiddelGevryfse toelaagInsetteUitset / opstelling
OmniDoc gratis dokument-onttrekking ons hulpmiddelTot 501 bladsye per PDF, geen maandelikse limiet nie; take op die gratis plan wag in 'n tou; 'n gratis OmniDoc-rekening is vereisPDF, geskandeerde PDF, PNG/JPG/WEBP/BMP-beelde, Word, PowerPoint, Excel, CSV, EPUB, HTML, Markdown, TXT, SRT/ASSWebblad, niks om te installeer nie; 'n ZIP-lêer met document.md, document.json, images/ en manifest.json
MinerUOopbron, selfgastheer; aanlyn API: 2 000 bladsye per dag per rekening met topprioriteit, laer prioriteit daarnaPDF, beelde, DOC/DOCX, PPT/PPTX, XLS/XLSX, RTF, ODT/ODS/ODP, EPUB, OFD, HTML/MHTML, CSV/TSVMarkdown, HTML, LaTeX, DOCX en meer; selfgastheer, aanlyn API, of demo's op Hugging Face en ModelScope
DoclingOopbron (kode onder MIT), loop op jou eie rekenaar, geen gebruiksbeperkingsPDF, DOCX, PPTX, XLSX, HTML, EPUB, beelde en meerMarkdown, HTML, DocTags, lossless JSON; loop plaaslik, OCR vir skanderings
Marker (Datalab)Kode oopbron (Apache 2.0); gasheer API toelaag van $20 per maand met 'n werke-pos, $10 met 'n persoonlike eenPDF, beelde, PPTX, DOCX, XLSX, HTML, EPUBMarkdown, JSON, HTML, brokke; vergelykings as LaTeX, tabelle as HTML
LlamaParse (LlamaIndex)10 000 kosteloos krediete per maand vir nuwe gebruikers; basiese ontleding vanaf 1 krediet per bladsySien die amptelike werfAanlyn API (LlamaCloud), rekening benodig
MathpixKosteloos: 10 PDF-bladsye en 10 beelde per maand (2x met 'n .edu-e-pos); Pro $4.99/maand vir 1 000 bladsyePDF, beeldeApp en API; sterk op formules
Azure AI Document IntelligenceKosteloos-vlak F0: 500 bladsye per maand, maar elke ontleding dek slegs die eerste 2 bladsye en lêers tot 4 MBPDF, JPEG/PNG/BMP/TIFF/HEIF-beelde, DOCX, PPTX, XLSWolk API, Azure-rekening benodig; die uitlegmodel gee paragrawe, tabelle en struktuur terug

Hulpmiddel vir hulpmiddel: vir wie dit geskik is en wat om na te kyk

OmniDoc gratis dokument-onttrekking ons hulpmiddel

Opskrifte, paragrawe en lyste behou die hiërargie van die oorspronklike; twee of drie kolomme word in leesvolgorde saamgevoeg. Tabelle kom uit as Markdown-tabelle en as rye en kolomme in die JSON; prente word gestoor in images/ met hul posisies gemerk. Skanderings gaan deur teksherkenning (OCR) en word dan volgens hul uitleg georganiseer. Slegs jy kan die lêers wat jy oplaai en hul resultate sien.

Goed vir: Markdown en JSON sonder om iets op te stel of kode te skryf; dokumente voorberei vir 'n kennisbasis of RAG.

MinerU

Gelisensieer onder die MinerU Oopbronlisensie (gebaseer op Apache 2.0 met addisionele voorwaardes). Die Precision Extract API benodig 'n token en neem lêers tot 200 MB en 600 bladsye; die Agent Lightweight API benodig geen aanmelding nie en neem lêers tot 10 MB en 20 bladsye, met koersbeperkings per IP.

Goed vir: ontwikkelaars met 'n GPU wat self wil gasheer, of wat Chinese dokumente in groepe deur 'n API verwerk.

Bron: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

Sy README lys bladsy-uitleg, leesvolgorde en tabellestruktuur, OCR vir geskandeerde PDF's en beelde, en plaaslike uitvoering vir sensitiewe data en luggeslote omgewings. Modelgewigte dra hul eie lisensies, wat afsonderlik nagegaan moet word.

Goed vir: spanne wat vanlyn of binne hul eie netwerk moet bly en gemaklik is met Python.

Bron: Docling — GitHub README

Marker (Datalab)

Die modelgewigte gebruik 'n gewysigde OpenRAIL-M-lisensie, kosteloos vir navorsing, persoonlike gebruik en beginondernemings met minder as $5M in befondsing of inkomste; kommersiële gebruik daarbo is betaalbaar. Die gehoste API word geprys per 1 000 bladsye: $1 vinnig, $3 gebalanseerd, $7.50 akkuraat; 'n kaart is slegs nodig na die kosteloze toelaag.

Goed vir: ontwikkelaars wat LaTeX-vergelykings en HTML-tabelle wil hê en met die gewigte-lisensie kan werk.

Bron: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

LlamaIndex se prysblad lys 'n $0-betaal-soos-jy-gaan-plan met 10 000 kosteloos krediete per maand; elke ontledingsvlak gebruik 'n ander aantal krediete per bladsy, vanaf 1 vir basiese ontleding. Dit pas netjies in die LlamaIndex RAG-stapel.

Goed vir: ontwikkelaars wat reeds RAG met LlamaIndex bou.

Bron: LlamaIndex — Pricing

Mathpix

Mathpix se pryslyste 10 PDF-bladsye en 10 beelde per maand op die kosteloos-plan, verdubbel met 'n .edu-e-pos; Pro is $4.99 per maand vir 1 000 PDF-bladsye en 5 000 beelde. Formule-herkenning is sy sterkpunt; die kosteloos-toelaag is klein.

Goed vir: af en toe 'n bladsy met formules of 'n foto van 'n wiskundeprobleem.

Bron: Mathpix — Snip pricing

Watter een vir watter taak

Jou situasieWat om eerste te probeer
Om honderde PDF of gescande bladsye na Markdown en JSON te omskep sonder om kode te skryfOmniDoc (tot 501 bladsye per PDF, in die leser)
Data moet op u eie bedieners blyDocling of MinerU, selfgastheer
Chinese dokumente in daaglikse groepeMinerU aanlyn API (2 000 bladsye per dag met topprioriteit), of OmniDoc
Vergelykings uit artikels as LaTeXMarker, of Mathpix (klein kosteloos-toelaag)
Reeds besig om RAG met LlamaIndex te bouLlamaParse
Reeds besig om op Azure te bouAzure Document Intelligence (die kosteloos-vlak lees 2 bladsye per versoek)
Word, PowerPoint, Excel, EPUB of HTML tot MarkdownOmniDoc, MinerU of Docling

Vrae

Is daar in 2026 'n kosteloos PDF na Markdown-omskakelaar?

Ja. MinerU, Docling en Marker is open source en kan selfgehost word; die kosteloos OmniDoc-dokument-onttrekking loop in die blaaier sonder 'n maandelikse perk en tot 501 bladsye per PDF, en sy ZIP-lêer bevat document.md en document.json; MinerU se aanlyn API gee 2 000 top-prioriteit bladsye per dag per rekening. Syfers van die amptelike bladsye, nagegaan November 2026.

Hoe verskil gestruktureerde onttrekking van PDF na teks?

PDF na teks gee jou 'n strook gewone teks. Gestruktureerde onttrekking behou opskrifvlakke, paragrawe, tabelle as rye en kolomme, beeldposisies en leesvolgorde, soos Markdown en JSON wat programme en AI-gereedskap direk kan gebruik.

Ek kan nie self gasheer nie. Wat is my opsies?

Gebruik 'n aanlyn hulpmiddel: die kosteloos OmniDoc-dokument-onttrekking neem 'n oplaai in die blaaier; MinerU, Datalab, LlamaParse en Azure bied aanlyn API's, wat 'n rekening, 'n token en 'n bietjie kode benodig.

Kan hierdie gereedskap geskandeerde PDF's en tabelle hanteer?

Ja. OmniDoc, Docling en MinerU herken teks in skanderings en die struktuur van tabelle. OmniDoc skryf tabelle as Markdown-tabelle en as rye en kolomme in die JSON; kontroleer baie komplekse tabelle teen die oorspronklike.

Wie het hierdie vergelyking geskryf?

Die OmniDoc-span; OmniDoc is ons eie produk. Elke figuur oor 'n ander hulpmiddel skakel na sy amptelike bladsy of berging, en daardie bladsy wen as iets verander het.

Bronne (gekontroleer op 14 November 2026)

  1. MinerU — GitHub READMEhttps://github.com/opendatalab/MinerU
  2. MinerU — API documentation (limits)https://mineru.net/doc/docs/index_en/
  3. Docling — GitHub READMEhttps://github.com/docling-project/docling
  4. Marker — GitHub READMEhttps://github.com/datalab-to/marker
  5. Datalab — Pricinghttps://www.datalab.to/pricing
  6. LlamaIndex — Pricinghttps://www.llamaindex.ai/pricing
  7. Mathpix — Snip pricinghttps://mathpix.com/pricing/snip
  8. Microsoft Learn — Document Intelligence quotas and limitshttps://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits
  9. Azure — Document Intelligence pricinghttps://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/