测试文档说明：

本次测试采用人工扫描生成的纯扫描版PDF文档（OCR难度较高），文件包含复杂版式、多表格、公式等及文本内容，所有文档仅用于技术评测。

一、测试环境

硬件配置：

CPU：Intel W-2275

内存：DDR4 256GB

存储：NVMe SSD 4TB（PCIe 4.0 x2）

GPU：RTX 3090（24GB显存，支持CUDA 12）

二、测试工具详情

Marker：基于PyMuPDF和Tesseract OCR，支持GPU加速（Surya OCR引擎），开源轻量化。

MinerU：集成LayoutLMv3、YOLOv8等模型，支持多模态解析（表格/公式/图像），精度可靠。

Ragflow：RAG知识库开源工具，专注深度文档理解。

olmocr：基于大语言模型的 PDF 处理流程，采用分布式架构，支持单机和多节点并行处理。

Markitdown：微软开源项目，集成GPT - 4等模型实现AI增强处理，支持多文件格式转换。

工具	版本	单页解析速度	个人评估安装难度	Docker支持	备注
Marker-pdf	V1.5.5，最新版本	12s	中高，权重文件下载慢，官方无中文教程	官方未提供，需自己编写	转换为markdown文件
MinerU	V1.2.0，最新版本	25s	中，有中文教程，喂饭安装	官方提供Dockerfile
ragflow	V0.16.0	20s	中，有中文教程，喂饭安装	官方提供Dockerfile	知识库分段
olmocr	官方试用版本	15s	在线版本，暂未本地部署	暂未查看	线上转换出来的 是LaTeX表达式形式
maritdown	V0.0.2，最新版本	1s	中，无中文教程	官方提供Dockerfile	这个快是因为只是提取纯文本

本次测试，文档都是纯扫描版（图片），markitdow由于我没有配置对应llm接口，所以PDF解析没有对应的内容输出，下面效果就暂时不列出来了

场景一：文本 + 表达式测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景二：文本 + 表达式 + 表格测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景三：文本 + 单表格测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景四：文本 + 多表格测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景五：文本 + 折线图测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景六：文本 + 流程图测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

场景七：简单思维导图测试

原文档	MinerU	Marker-pdf	olmOCR	ragflow

 场景八：简单文本数字纯表格PDF（图片版）

原文档	MinerU	Marker-pdf	olmOCR	ragflow

具体谁的效果最好，我在这里不做评价，各位看官自己评价，我这就简单总结一下我个人认为的每个工具的特点：

总结 (这里的顺序不代表排名) ：

工具	官方介绍	个人评价	适用场景
Marker		1、速度快，可以结合llm模型（本次没测试）； 2、准确提取文档中的各种数学、化学表达式； 3、流程图类似的版面，存为图片保存在markdown； 4、保留了部分版面的其他信息，例如标头、图片旁的提示语等。	轻量级pdf 文档转换
MinerU		1、速度中等； 2、精准提取文档中的各种数学、化学表达式； 3、流程图类似的版面，转存为图片保存在markdown； 4、自动去除了部分版面的其他信息，例如标头、图片旁的提示语等。	高精度pdf 文档转换
ragflow		RAG文档解析，企业知识库可视化操作的最佳工具	RAG知识库 私有化建设
olmocr		未深度使用，不做评价	大规模pdf 文档转换
maritdown		如果是纯文本、office类文件、HTML等结构化文件，需要快速提取文本并转换为markdown形式的文件，选它，可以将图片和链接转为markdown格式，并且在上下文中保留原来的位置（需稍稍该一点点代码，原代码中是直接把图片过滤掉了）	文本类pdf 快速提取