OmniDoc 文档结构化提取OmniDoc 免费文档提取 本站
标题层级、段落、列表按原文层级输出，双栏、三栏按阅读顺序拼接；表格输出为 Markdown 表格，并在 JSON 里保留行和列；图片单独存进 images/ 并在正文标出位置。扫描件先做文字识别（OCR）再按版面整理。上传的文件和结果只有你自己能看到。
适合：不想装环境、不写代码，直接拿到 Markdown + JSON 的人；知识库和 RAG 的数据准备。
OmniDoc 文档结构化提取 / 2026 对比
2026 年免费文档结构化提取工具对比：PDF 转 Markdown、JSON，7 款的免费额度和格式
把 PDF、扫描件、Office 文件变成带标题层级、表格和图片的 Markdown 和 JSON，有开源自己部署的，也有在线接口按页计费的。下面把 7 款常见工具的免费额度、输入输出格式和使用方式放在一起，每个数字都附了官网出处。
这篇对比由 OmniDoc 团队撰写，OmniDoc 是我们自己的产品。别家的数字全部取自各自官网或开源仓库，核对日期 2026 年 11 月 14 日；以官网为准。
用 OmniDoc 免费提取一份文件一张表看懂：免费额度、输入、输出
| 工具 | 免费额度 | 输入格式 | 输出 / 用法 |
|---|---|---|---|
| OmniDoc 免费文档提取 本站 | 单个 PDF 最多 501 页，每月不限次数；免费任务排队；需免费注册 OmniDoc 账号 | PDF、扫描版 PDF、PNG/JPG/WEBP/BMP 图片、Word、PowerPoint、Excel、CSV、EPUB、HTML、Markdown、TXT、SRT/ASS | 网页直接用，不用安装；下载 ZIP：document.md、document.json、images/、manifest.json |
| MinerU | 开源可自己部署；官网在线接口：每个账号每天 2,000 页高优先级，超出后降低优先级 | PDF、图片、DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、ODT/ODS/ODP、EPUB、OFD、HTML/MHTML、CSV/TSV | Markdown、HTML、LaTeX、DOCX 等；可本地部署，也有在线接口和 Hugging Face、ModelScope 演示 |
| Docling | 开源（代码 MIT），在自己电脑上运行，无额度限制 | PDF、DOCX、PPTX、XLSX、HTML、EPUB、图片等 | Markdown、HTML、DocTags、无损 JSON；本地运行，支持扫描件 OCR |
| Marker（Datalab） | 代码开源（Apache 2.0）；托管接口每月免费额度：工作邮箱 20 美元、个人邮箱 10 美元 | PDF、图片、PPTX、DOCX、XLSX、HTML、EPUB | Markdown、JSON、HTML、分块（chunks）；公式输出 LaTeX，表格输出 HTML |
| LlamaParse（LlamaIndex） | 新用户每月 10,000 免费额度（credits）；基础解析低至每页 1 credit | 见官网 | 在线接口（LlamaCloud），需注册 |
| Mathpix | 免费版每月 10 页 PDF、10 张图片（.edu 邮箱翻倍）；Pro 4.99 美元/月 1,000 页 | PDF、图片 | 在线应用和接口；擅长公式识别 |
| Azure AI 文档智能（Document Intelligence） | 免费层 F0：每月 500 页，但每次分析只处理前 2 页、文件不超过 4 MB | PDF、JPEG/PNG/BMP/TIFF/HEIF 图片、DOCX、PPTX、XLS | 云端接口，需要 Azure 账号；版面模型输出段落、表格等结构 |
逐个看：适合谁、要注意什么
MinerU
许可证为 MinerU 开源许可证（基于 Apache 2.0，附加条件）。在线“精准解析”接口需要 Token，单个文件不超过 200 MB、600 页；免登录的“轻量解析”接口单个文件不超过 10 MB、20 页，按 IP 限频。
适合：有 GPU、想自己部署，或用接口批量处理中文文档的开发者。
出处: MinerU — GitHub README, MinerU — API documentation (limits)
Docling
README 写明：支持页面版式、阅读顺序、表格结构识别，扫描版 PDF 和图片有 OCR，可本地运行、适合离线和敏感数据。模型权重有各自的许可证，需要单独看。
适合：要离线处理、数据不能出内网、会用 Python 的团队。
Marker（Datalab）
模型权重用修改版 OpenRAIL-M 许可，研究、个人和年收入或融资低于 500 万美元的初创公司免费，超出要付费。托管接口按每 1,000 页计价：快速 1 美元、均衡 3 美元、精确 7.5 美元，免费额度用完再绑卡。
适合：要 LaTeX 公式、HTML 表格，能接受模型许可条件的开发者。
LlamaParse（LlamaIndex）
LlamaIndex 定价页写明：按量付费套餐 0 美元/月，含每月 10,000 免费 credits；不同解析档位每页消耗的 credits 不同，基础档低至 1 credit。和 LlamaIndex 的 RAG 工具链衔接方便。
适合：已经在用 LlamaIndex 搭 RAG 的开发者。
Mathpix
Mathpix 定价页写明：免费版每月 10 页 PDF、10 张图片，教育邮箱用量翻倍；Pro 每月 4.99 美元，每月 1,000 页 PDF、5,000 张图片。公式识别是它的强项，免费额度很小。
适合：偶尔识别几页公式、数学题图片的人。
Azure AI 文档智能（Document Intelligence）
微软文档写明：免费层每次分析请求只处理前两页，单个文件最大 4 MB，每秒 1 次请求；定价页写免费层每月 0–500 页免费。适合在 Azure 里开发、先小规模试用。
适合：已经在 Azure 上开发、需要企业级接口的团队。
出处: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing
按需求选
| 你的情况 | 可以先试 |
|---|---|
| 不写代码，几百页的 PDF 或扫描件要变成 Markdown 和 JSON | OmniDoc（单个 PDF 最多 501 页，网页直接用） |
| 数据不能离开自己的服务器 | Docling 或 MinerU 本地部署 |
| 中文文档、每天批量处理 | MinerU 在线接口（每天 2,000 页高优先级），或 OmniDoc |
| 论文公式要输出 LaTeX | Marker，或 Mathpix（免费额度很小） |
| 已经在用 LlamaIndex 搭 RAG | LlamaParse |
| 已经在 Azure 上开发 | Azure 文档智能（免费层每次只处理前 2 页） |
| Word、PPT、Excel、EPUB、HTML 转 Markdown | OmniDoc、MinerU 或 Docling |
常见问题
2026 年有免费的 PDF 转 Markdown 工具吗？
有。开源的 MinerU、Docling、Marker 可以自己部署；在线的 OmniDoc 免费文档提取每月不限次数、单个 PDF 最多 501 页，下载的 ZIP 里有 document.md 和 document.json；MinerU 在线接口每个账号每天 2,000 页高优先级。数据取自各家官网，2026 年 11 月核对。
结构化提取和普通 PDF 转文字有什么区别？
转文字只得到一串纯文本；结构化提取保留标题层级、段落、表格（行和列）、图片位置和阅读顺序，输出 Markdown 和 JSON，程序和 AI 可以直接用。
不会部署开源工具，有什么办法？
用在线工具：OmniDoc 免费文档提取在网页里上传即可；MinerU、Datalab、LlamaParse、Azure 也提供在线接口，但需要注册、拿 Token、写代码调用。
扫描版 PDF 和表格能提取吗？
能。OmniDoc、Docling、MinerU 都支持扫描件 OCR 和表格识别。OmniDoc 把表格输出为 Markdown 表格，并在 JSON 里保留行列；复杂表格建议和原文核对。
这篇对比是谁写的？
OmniDoc 团队写的，OmniDoc 是我们自己的产品。别家的数字都附了官网或仓库链接，可以逐条核对；以官网为准。
数据出处（2026 年 11 月 14 日核对）
- MinerU — GitHub READMEhttps://github.com/opendatalab/MinerU
- MinerU — API documentation (limits)https://mineru.net/doc/docs/index_en/
- Docling — GitHub READMEhttps://github.com/docling-project/docling
- Marker — GitHub READMEhttps://github.com/datalab-to/marker
- Datalab — Pricinghttps://www.datalab.to/pricing
- LlamaIndex — Pricinghttps://www.llamaindex.ai/pricing
- Mathpix — Snip pricinghttps://mathpix.com/pricing/snip
- Microsoft Learn — Document Intelligence quotas and limitshttps://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/service-limits
- Azure — Document Intelligence pricinghttps://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/