Papero extrahiert PDF-Strukturen ohne ML-Modelle – direkt im Browser

Lightweight PDF parser with layout, tables, formulas and bounding boxes

Papero extrahiert PDF-Strukturen ohne ML-Modelle – direkt im Browser

Papero ist ein neuer Open-Source-PDF-Parser, der Lesereihenfolge, Tabellen, Formeln und Bounding-Boxen allein durch Geometrie rekonstruiert – ganz ohne ML-Modelle oder GPU. Er läuft auf einer Laptop-CPU, im Browser oder als API und liefert Markdown, JSON, Word und Excel. In Benchmarks verarbeitet er 54 dichte arXiv-Paper ohne Fehler in median 39 ms pro Seite, während Docling 82,9 Sekunden pro PDF benötigt.

„ML-basierte Tools gewinnen weiterhin bei sehr unregelmäßigen Layouts und komplexer Mathematik – papero liefert die Formel als ungefähres LaTeX und als Bild, damit nichts verloren geht.“
  1. antonly

    Ich habe das gerade ausprobiert und die Ergebnisse sehen sehr daneben aus. Ich habe das MiniSat[1]-Paper reingeladen, und das Ergebnis scheint katastrophal falsch zu sein: https://imgur.com/a/i3RHwcQ

    [1]: http://minisat.se/downloads/MiniSat.pdf

  2. phenomen

    Ich benutze derzeit https://github.com/firecrawl/anydoc in meinen PDF-Pipelines.

    In den meisten Fällen funktioniert es gut. Ich werde deine Lib testen, um zu vergleichen.

  3. JaumeGar

    Wirklich gute Arbeit, danke fürs Teilen. Die Tabellen- und Formelextraktion sieht großartig aus.

Mehr von diesem Tag

2026-10-01