Превращаем любой PDF в удобный текст — нашли мощный опенсорс инструмент OpenDataLoader.

Он конвертирует файлы в Markdown, JSON или HTML, при этом аккуратно сохраняет структуру: таблицы, колонки и разметку. По скорости тоже впечатляет — обрабатывает больше 100 страниц в секунду даже на CPU. И всё это работает локально.

Полезно практически всем — забираем.