mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-09 09:04:18 +01:00
48 lines
2.1 KiB
Markdown
48 lines
2.1 KiB
Markdown
---
|
|
title: Förbered PDF för AI
|
|
description: Extrahera PDF-innehåll till strukturerad JSON optimerad för LLM:er och AI-pipelines som LlamaIndex. Stöder batchbearbetning.
|
|
---
|
|
|
|
# Förbered PDF för AI
|
|
|
|
Extraherar innehåll från PDF-filer och strukturerar det som JSON optimerad för inläsning i stora språkmodeller (LLM:er) och AI-ramverk som LlamaIndex. Varje sidas innehåll extraheras och organiseras i ett strukturerat format som är redo för RAG-pipelines, chattbottar eller semantiska söksystem.
|
|
|
|
## Så fungerar det
|
|
|
|
1. Ladda upp en eller flera PDF-filer genom att klicka på släppzonen eller dra filer till den.
|
|
2. Klicka på **Extrahera** för att starta bearbetningen.
|
|
3. En enskild fil laddas ned som `filename_llm.json`. Flera filer ger ett arkiv, `pdf-for-ai.zip`.
|
|
|
|
Verktyget använder PyMuPDF:s LlamaIndex-integration för att extrahera innehåll per sida med metadata, och ger utdata som kan läsas in direkt i AI-ramverk.
|
|
|
|
## Alternativ
|
|
|
|
Det här verktyget har inga inställningar. Alla sidor extraheras med fullständig text och metadata.
|
|
|
|
## Utdataformat
|
|
|
|
- **Enskild fil**: `filename_llm.json`
|
|
- **Flera filer**: `pdf-for-ai.zip` med en `_llm.json` per PDF.
|
|
|
|
JSON-utdata följer LlamaIndex dokumentschema med textinnehåll per sida och metadatafält.
|
|
|
|
## Användningsområden
|
|
|
|
- Förbereda PDF-dokument för RAG-pipelines (retrieval-augmented generation).
|
|
- Bygga en sökbar kunskapsbas från PDF-arkiv för en AI-chattbot.
|
|
- Mata in PDF-rapporter i LLM-baserade analysflöden.
|
|
- Förbehandla forskningsartiklar för semantisk sökning och fråga-svar-system.
|
|
- Skapa strukturerad träningsdata från PDF-samlingar.
|
|
|
|
## Tips
|
|
|
|
- För ren textextraktion utan AI-specifik formatering, använd [PDF till text](./pdf-to-text).
|
|
- För Markdown-utdata som bevarar rubriker och struktur, använd [PDF till Markdown](./pdf-to-markdown).
|
|
- Skannade PDF-filer ger tomt eller minimalt resultat. Kör dem först genom OCR för att lägga till ett textlager innan extraktion.
|
|
|
|
## Relaterade verktyg
|
|
|
|
- [PDF till text](./pdf-to-text)
|
|
- [PDF till Markdown](./pdf-to-markdown)
|
|
- [PDF till JSON](./pdf-to-json)
|