整理一批 PDF 到笔记里，Marker 连图片、表格和公式一起考虑

把 PDF 整理进笔记，最容易产生一种半成品：文字有了，图片不见了，公式变成乱码，表格则挤成几行看不懂的数字。你确实获得了“可编辑文本”，却还要对着原文件重新排一遍。

Marker 面向的就是这一层工作。它可以把文档转换成 Markdown、HTML 或 JSON，Markdown 输出会带上图片引用、表格以及 LaTeX 公式表达。对要反复阅读、引用技术资料的人，重点不是把文件变小，而是保留足以继续整理的组成部分。项目说明

一份笔记，为什么还需要一个图片文件夹

以整理一篇包含流程图和公式的论文为例。这里是教学情境：标题与正文进入笔记，图像单独保存，再由 Markdown 链接引用；公式保留为可继续处理的表达，而不是全部变成不可改的截图。这样在后续写作时，文字和视觉材料还有对应关系。

但也因此，不能只把生成的 Markdown 文件拖走，就删除同目录的图片。正文中的引用依赖这些资源，换设备或挪文件夹后，路径也要一起检查。Marker 的输出不是一张“截图变文档”的魔法成品，而是一组适合继续组织的素材。

当前官方说明里，Marker 会利用 PDF 已有的文字层，再判断是否需要 OCR；不同模式对视觉模型的使用程度不同。这个设计很贴近真实资料：电脑直接导出的 PDF 和拍照扫描件，并不是同一种输入。

如果原有文字层已经正确，重复识别可能徒增处理；如果文字层乱码，即使肉眼看起来清晰，也需要其他路线修复。项目提供相关模式和可选 LLM 辅助，但“打开更多选项”不等于每份材料都更好，还涉及算力、模型服务和额外费用。处理流程与限制

Marker 有单文件、批量转换和交互入口。适合先拿几份结构不同的文件试验，再决定如何批量化：检查多栏顺序、公式上下标、表格列名以及图片是否能正常打开。官方也明确列出复杂嵌套表格和表单等限制，不能因为命令正常结束就认定内容全部可用。使用入口

另一个需要单独看的细节是许可。当前代码采用 Apache 2.0，但模型权重使用不同条款；官方对研究、个人和符合条件的初创使用，与超出条件的商业使用作了区分。不要把代码许可证直接套到模型上。安装还涉及 PyTorch 和相应推理后端，适合愿意配置环境的人。商用说明

转换之后留下的应当是一组能接着使用的材料：正文可读，公式可处理，图片链接也没有断。把这组输出和原 PDF 一起保存，后续引用与修改才有依据。本文讨论的是官方列出的转换机制，不是一次论文还原测评。