PdfML - Извлечение данных из PDF с помощью ML

Библиотека для извлечения структурированных данных из PDF-документов с использованием машинного обучения.

Возможности

• Извлечение текста из отсканированных и цифровых PDF
• Распознавание макета документа
• Извлечение таблиц
• Распознавание именованных сущностей
• Обработка сложных многостраничных документов

Установка

pip install -r requirements.txt

Использование

См. примеры в директории examples/

Структура проекта

• pdfml/: Основной код библиотеки
• examples/: Примеры использования
• tests/: Тесты
• models/: Предобученные модели

Лицензия

MIT