GitHub · 去对齐工具与仓库·· 19 天前AI 评分35
CastToMarkdown：将 PDF、DOCX 转为 LLM/RAG 友好 Markdown 的 Java 库
YuraBuryakov/cast-to-markdown
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/YuraBuryakov/cast-to-markdown
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
YuraBuryakov 在 GitHub 开源 Java 库 CastToMarkdown（0.1.0-SNAPSHOT，正准备首个 0.1.0 版本），通过统一 API 将 PDF 和 DOCX 转为干净的 LLM/RAG 友好 Markdown。它基于 Apache PDFBox、Apache POI、jsoup 构建，嵌入 JVM 运行，无需 Python、Docker 或外部服务，支持标题、列表、表格、脚注、链接等结构，默认拒绝超过 100 MiB 的文档，扫描版 PDF 需先做 OCR。HTML、TXT、CSV 支持在计划中，项目要求 JDK 17+，采用 Apache License 2.0。
来源：GitHub · 去对齐工具与仓库 · github.com