访问官网
Github
文档
安装
前提条件：python3.10
安装依赖
linux/osx
apt-get/yum/brew install libreoffice
windows
安装 libreoffice
将 "安装目录\LibreOffice\program" 添加到环境变量 PATH 中
安装 Magic-Doc
pip install fairy-doc[cpu] # CPU 版本
或
pip install fairy-doc[gpu] # GPU 版本
简介
Magic-Doc 是一个轻量级开源工具，允许用户将多种文件类型（PPT/PPTX/DOC/DOCX/PDF）转换为 Markdown。它支持本地文件和 S3 文件。
示例
# 对于本地文件
from magic_doc.docconv import DocConverter, S3Config
converter = DocConverter(s3_config=None)
markdown_content, time_cost = converter.convert("some_doc.pptx", conv_timeout=300)
# 对于存储在 AWS S3 的远程文件
from magic_doc.docconv import DocConverter, S3Config
s3_config = S3Config(ak='${ak}', sk='${sk}', endpoint='${endpoint}')
converter = DocConverter(s3_config=s3_config)
markdown_content, time_cost = converter.convert("s3://some_bucket/some_doc.pptx", conv_timeout=300)
性能
环境：AMD EPYC 7742 64核处理器，NVIDIA A100，Centos 7
| 文件类型 | 速度 |
|---|---|
| PDF（数字） | 347（页/秒） |
| PDF（OCR） | 2.7（页/秒） |
| PPT | 20（页/秒） |
| PPTX | 149（页/秒） |
| DOC | 600（页/秒） |
| DOCX | 1482（页/秒） |
感谢所有贡献者：
致谢
🖊️ 引用
@misc{2024magic-doc,
title={Magic-Doc: 一个将多种文件类型转换为Markdown的工具包},
author={Magic-Doc 贡献者},
howpublished = {\url{https://github.com/InternLM/magic-doc}},
year={2024}
}
许可证
本项目采用 Apache 2.0 许可证。
