[屏幕截图 2025-05-30 182236] 自己提取的日本语文型辞典（改订版）文字部分，但只校对了あいだ词条，词条可以参考此书后面的目录，准确率应该能有80%~90%以上，错误的地方大部分是符号等格式或排版问题，也有一些多余的文字…

[图片] 日本語文型辞典改訂版日语 [image] [image] [image] 与人方便，自己方便。与其说是为了爱别人而行善，不如说是为了尊敬自己。 SHARE FOR F…

想请教一下是如何做到OCR出带有md格式的（比如说识别出了标题，然后在前面添加# ）。另外一般pdf通过ocr会把换行也一起提取出来，但是楼主您分享的文件中很多不必要的换行都消失了，是如何处理的呢？

opendatalab/MinerU: A high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具，将PDF转换成Markdown和JSON格式。