OpenDataLoader PDF：PDFをMarkdown／JSON／HTMLに変え、アクセシビリティ用のタグ付けもできるパーサ

用途

• 文書のデータ化
• RAG・ナレッジ検索

何ができるか

PDFから構造化Markdownや位置情報つきJSONを抽出するオープンソース。ベンチマーク上位を主張し、OCRや表・数式対応のハイブリッドモード、Tagged PDF生成（アクセシビリティ）まで手がける。RAG前処理向き。

向いている用途

• PDFのRAG前処理
• 大量PDFの自動タグ付け

実際の使われ方（活用事例）

事例未収集：出典を確認できる活用事例をまだ集められていません。見つかり次第追加します。

導入の手軽さ

●●●●○ 手軽 — pip で入れ、数行で変換できる。複雑ページはハイブリッドモード。

pip install opendataloader-pdf

※ 代表的な導入コマンドの例です。最新の手順は公式ドキュメントを確認してください。

ライセンス

Apache License 2.0（SPDX: Apache-2.0）。利用・改変・再配布が自由（著作権表示・ライセンス文の同梱、変更点の明示が必要）。特許の利用許諾も含む。

ライセンスの説明は要点のみです。利用前にリポジトリのLICENSEファイル原文を確認してください。

リポジトリ情報