开源Java工具库 VS PDF转化工具(java pdf api)
Hutool
Hutool是一个功能丰富的JAVA工具类库,通过静态方法封装,使得用户学习各类API接口的成本大幅降低。
从名字可以看出,作者似乎想让大家可以借助工具揣着聪明装糊涂~
Hutool涵盖了Java开发底层代码中的各种常见问题,可以作为之前常用的util包的替代品,节省了用户对于项目中公用类及公用工具的封装时间,可以更好的实现业务功能。
比如计算MD5的话,可以直接如此使用Hutool -> SecureUtil.md5()
其主要模块包括:
- hutool-aop JDK动态代理封装,提供非IOC下的切面支持
- hutool-bloomFilter 布隆过滤,提供一些Hash算法的布隆过滤
- hutool-cache 简单缓存实现
- hutool-core 核心,包括Bean操作、日期、各种Util等
- hutool-cron 定时任务模块,提供类Crontab表达式的定时任务
- hutool-crypto 加密解密模块,提供对称、非对称和摘要算法封装
- hutool-db JDBC封装后的数据操作,基于ActiveRecord思想
- hutool-dfa 基于DFA模型的多关键字查找
- hutool-extra 扩展模块,对第三方封装(模板引擎、邮件、Servlet、二维码、Emoji、FTP、分词等)
- hutool-http 基于HttpUrlConnection的Http客户端封装
- hutool-log 自动识别日志实现的日志门面
- hutool-script 脚本执行封装,例如Javascript
- hutool-setting 功能更强大的Setting配置文件和Properties封装
- hutool-system 系统参数调用封装(JVM信息等)
- hutool-json JSON实现
- hutool-captcha 图片验证码实现
- hutool-poi 针对POI中Excel和Word的封装
- hutool-socket 基于Java的NIO和AIO的Socket封装
- hutool-jwt JSON Web Token (JWT)封装实现
感兴趣的小伙伴可以赶紧来引用试下。
项目地址:https://gitee.com/dromara/hutool
MinerU
MinerU是一个将PDF转化为机器可读格式的工具,这里指的可读格式是指markdown、json之类的格式。方便用户对于文档后续的使用处理。
主要功能包括:
- 删除页眉、页脚、脚注、页码等元素,保持语义连贯
- 对多栏输出符合人类阅读顺序的文本
- 保留原文档的结构,包括标题、段落、列表等
- 提取图像、图片标题、表格、表格标题
- 自动识别文档中的公式并将公式转换成latex
- 自动识别文档中的表格并将表格转换成latex
- 乱码PDF自动检测并启用OCR
- 支持CPU和GPU环境
- 支持windows/linux/mac平台
对于使用效果,项目提供在线体验功能,可以尝试先用一下看看。
MinerU支持仅使用CPU,而无需必要用的GPU。
安装CPU版本
conda create -n MinerU python=3.10
conda activate MinerU
pip install -U magic-pdf[full] --extra-index-url https://wheels.myhloli.com -i https://pypi.tuna.tsinghua.edu.cn/simple
下载模型权重文件,拷贝配置文件 magic-pdf.template.json并进行配置。
项目地址:https://gitee.com/ergmax/MinerU