SMARTGRAPHQA —— 基于多模态大模型的PDF 转 Markdown方法和基于大模型格式校正方法

一个基于 Python 的工具，利用多模态大模型（MLLM）将 PDF 文档转换为结构清晰、格式准确的 Markdown 文件。支持图像提取、Base64 编码、分段保存和可选的内容校正功能，适用于长文档的高精度转换。

代码连接：点击这里

📌 主要功能

• ✅ PDF 转图像：使用 PyMuPDF（fitz）将每页 PDF 高清渲染为图像。
• ✅ 图像转 Markdown：通过多模态大模型（如 Qwen-VL）识别图像内容并生成结构化 Markdown。
• ✅ 断点续存机制：每处理 N 页自动保存一次，防止程序中断导致前功尽弃。
• ✅ 图像导出选项：可选择将 PDF 页面保存为 JPG 图像用于调试或归档。
• ✅ Markdown 内容校正：支持使用上下文信息对生成内容进行修订，提升连贯性与格式一致性。
• ✅ 灵活提示词配置：可通过模板或自定义 prompt 控制模型行为。
• ✅ 指定页码范围：支持只处理 PDF 的某一部分页面。
• ✅ 双模式修订：可选择使用 MLLM 多模态模型或纯语言模型（LLM）进行内容修订。

效果图

🧰 项目结构

确保项目结构如下：

SmartGraphQA/
├── Models/
│   ├── vision_models.py      # 多模态模型封装
│   └── LLM_Models.py         # 语言模型封装
├── ExtraTools/
│   └── extractDocument/
│       ├── extractPrompt.py  # 提示词模板
│       └── Pdf2Img2Md.py  # 本工具主文件

🚀 使用示例

from ExtraTools.extractDocument.PDFToMarkdownConverter import PDFToMarkdownConverterpdf_file = "xxx.pdf"
output_folder