Наткнулся на отличный опенсорсный инструмент для тех, кто устал вручную копировать данные из сложных документов. Главная фишка здесь в скорости — утилита переваривает больше сотни страниц в секунду прямо на процессоре. При этом всё работает полностью локально, так что за приватность документов можно не переживать.
Программа умеет конвертировать файлы в Markdown, JSON или HTML. Что особенно радует, она сохраняет структуру таблиц и колонок, а не сваливает всё в нечитаемую кучу текста. Это превращает работу с отчётами или документацией из рутины в секундное дело. Если часто возитесь с PDF, инструмент точно стоит добавить в закладки.
https://github.com/opendataloader-project/opendataloader-pdf
