邻居为了给孩子省资料费，问我几百m的pdf能不能用ai把里面的题目提取出来？

barry66688 2026-08-11 17:05 1

事情是这样的，我邻居突发奇想，说他家的小孩对电脑挺感兴趣的，也喜欢在电脑上刷题，问我能不能想个办法把几百m的pdf题目资料提取出来，利用ai转换成刷题库，这样他小孩就不用买资料了，而且也能高效率刷题，我觉得我邻居确实也是个人才，但是我说暂时也没有合适的高效率提取方法，ai估计还没那么牛逼，他说没事，希望我找到后跟他说一声就行。mjj们有啥办法吗，我那个邻居为人还是不错的，之前也帮过我，现在轮到我提供帮助的时候了，兄弟们看看能不能给解决一下

最新回复 (56)

骑士斯诺70 08-11 17:05

1楼

可以啊，OCR识别+AI校对就行了
xiaolingbuling 08-11 17:06

2楼

丢给ai
barry66688 楼主 08-11 17:06

3楼

@骑士斯诺70 #1 发布于2026/8/11 17:05:56

可以啊，OCR识别+AI校对就行了

有没有实操视频和工具链接，分享一下兄弟
1x 08-11 17:06

4楼

MinerU
yuyu12138 08-11 17:06

5楼

可以，作文手写稿都能识别出来
jsomin 08-11 17:06

6楼

付费去闲鱼就行
嫌疑人 08-11 17:06

7楼

下次发帖别放鬼图 ^-^
agczsz 08-11 17:06

8楼

可以的，我拿手机拍照的题库，找了claude写了软件进行识别，题目分类之类做得干干净净
o8b 08-11 17:06

9楼

发出来我帮你
IEmaster 08-11 17:07

10楼

丢给腾讯那个马维斯开着电脑慢慢跑就行了反正不花钱
sinstar 08-11 17:07

11楼

别做，ai做不到100%正确，而题库ocr一旦出错就是你的问题

别做需要你当售后的事情
barry66688 楼主 08-11 17:07

12楼

@1x #4 发布于2026/8/11 17:06:35

MinerU

免费的吗兄弟，分享一下链接
Skenqs 08-11 17:07

13楼

能，要么切片pdf给模型，要么楼上说的minerU这种直接ocr出来，如果ocr效果不好，多模态模型就得
我也要打十个 08-11 17:07

14楼

为什么邻居找你弄，你炫耀过你的小鸡给她？
barry66688 楼主 08-11 17:07

15楼

@sinstar #11 发布于2026/8/11 17:07:10

别做，ai做不到100%正确，而题库ocr一旦出错就是你的问题

别做需要你当售后的事情

你看，我就说不简单吧
barry66688 楼主 08-11 17:08

16楼

@我也要打十个 #14 发布于2026/8/11 17:07:34

为什么邻居找你弄，你炫耀过你的小鸡给她？

哈哈，原来是给我送过鸡腿的大佬
username123 08-11 17:09

17楼

可以，收点辛苦费，50
barry66688 楼主 08-11 17:10

18楼

@username123 #17 发布于2026/8/11 17:09:42

可以，收点辛苦费，50

要钱就算了兄弟
骑士斯诺70 08-11 17:11

19楼

@barry66688 #3 工具用mineru+任意agent就行，先用mineru识别，然后导出md文本，让AI校对。模型不用多强的，这种小任务ds就够用了
barry66688 楼主 08-11 17:11

20楼

@Skenqs #13 发布于2026/8/11 17:07:32

能，要么切片pdf给模型，要么楼上说的minerU这种直接ocr出来，如果ocr效果不好，多模态模型就得

具体怎么搞呢，有没有教学视频和工具链接大佬
dtybgg 08-11 17:12

21楼

可以弄，直接给codex就行
kanata 08-11 17:12

22楼

搞得定的，我曾经把乙方的接口文档pdf文件，去水印、转markdown一气呵成，跑光了我一个team席位的月额度

但是后续就舒服了，转成md以后写一些需求、问一些业务规则，AI直接就帮我做了。
早饭 08-11 17:12

23楼

是女邻居么？美女就让ai努力下
睡前喝杯热美式 08-11 17:12

24楼

可以，ai搓一个
barry66688 楼主 08-11 17:12

25楼

@嫌疑人 #7 发布于2026/8/11 17:06:50

下次发帖别放鬼图 ^-^

大胆，这可是礼堂王^-^
barry66688 楼主 08-11 17:13

26楼

@dtybgg #21 发布于2026/8/11 17:12:15

可以弄，直接给codex就行

codex免费版的能搞定吗，还是要花钱呢？
阳鼎天 08-11 17:18

27楼

直接丢给codex都行的主要就是ocr识别成文字其他都ai帮你整理了
funeego 08-11 17:19

28楼

试试有道翻译，可以把PDF转WORD，让他自己校对WORD内容，没有问题再把WORD喂给AI（国内DeepSeek）。总之就是你教他方法，具体自己去弄。
barry66688 楼主 08-11 17:19

29楼

@agczsz #8 发布于2026/8/11 17:06:56

可以的，我拿手机拍照的题库，找了claude写了软件进行识别，题目分类之类做得干干净净

求分享一下软件丁真
barry66688 楼主 08-11 17:20

30楼

@kanata #22 发布于2026/8/11 17:12:18

搞得定的，我曾经把乙方的接口文档pdf文件，去水印、转markdown一气呵成，跑光了我一个team席位的月额度

但是后续就舒服了，转成md以后写一些需求、问一些业务规则，AI直接就帮我做了。

牛逼大佬，向你学习，能不能分享一下链接啥的
barry66688 楼主 08-11 17:22

31楼

@骑士斯诺70 #19 发布于2026/8/11 17:11:15

@barry66688 #3 工具用mineru+任意agent就行，先用mineru识别，然后导出md文本，让AI校对。模型不用多强的，这种小任务ds就够用了

听不懂思密达，大佬能不能分享一下工具
9888 08-11 17:25

32楼

丢给AI，上个厕所的功夫就给你解决了
barry66688 楼主 08-11 17:26

33楼

@9888 #32 发布于2026/8/11 17:25:20

丢给AI，上个厕所的功夫就给你解决了

ai限制我的pdf大小啊，最大不超过100m，怎么搞
三千 08-11 17:27

34楼

如果就这一次你就发出来让热心的网友帮你干，你加个鸡腿。

如果后续还要很多次，你就按楼上说的OCR+ai校对
sanyuanya 08-11 17:27

35楼

我有一个思路用 anydoc 转成 markdown，然后再用 Ai 把 markdown 转成题库
kanata 08-11 17:28

36楼

@barry66688 #30

大概逻辑可以分享你；

先下载了一个adobe的什么pdf的工具，在windows上，可以编辑pdf文件无损去水印；

然后另存为word版本

再把word文件扔给gpt，gpt对word的识别会原高于pdf

word - markdown这个过程，就需要你和gpt反复打磨了，最好以前10页先做尝试（或者第xx页-第xx页，要有代表性的内容比较复杂的页面），等效果都ok以后再让他全量解析就行了。
barry66688 楼主 08-11 17:30

37楼

@kanata #36 发布于2026/8/11 17:28:50

@barry66688 #30

大概逻辑可以分享你；

先下载了一个adobe的什么pdf的工具，在windows上，可以编辑pdf文件无损去水印；

然后另存为word版本

再把word文件扔给gpt，gpt对word的识别会原高于pdf

word - markdown这个过程，就需要你和gpt反复打磨了，最好以前10页先做尝试（或者第xx页-第xx页，要有代表性的内容比较复杂的页面），等效果都ok以后再让他全量解析就行了。

好的大佬，还有那个工具会限制pdf大小吗？
ink 08-11 17:33

38楼

不是，都PDF了，为什么不直接打印出来呢
zxxuu 08-11 17:34

39楼

没有问题啊 ai完全能胜任这个任务前提是纯文字别图文并茂图文并茂不好搞
barry66688 楼主 08-11 17:34

40楼

@ink #38 发布于2026/8/11 17:33:09

不是，都PDF了，为什么不直接打印出来呢

人家是想转换为电脑题库呐，提高刷题效率
barry66688 楼主 08-11 17:34

41楼

@zxxuu #39 发布于2026/8/11 17:34:04

没有问题啊 ai完全能胜任这个任务前提是纯文字别图文并茂图文并茂不好搞

大佬有何破解良策，还望解答
肥狗在线 08-11 17:35

42楼

https://github.com/PDFMathTranslate/PDFMathTranslate

有一个这个东西，你看看能用上不
barry66688 楼主 08-11 17:36

43楼

@肥狗在线 #42 发布于2026/8/11 17:35:01

https://github.com/PDFMathTranslate/PDFMathTranslate

有一个这个东西，你看看能用上不

OK兄弟，我去试试看
terrymjj 08-11 17:38

44楼

@barry66688 #26 额度不够用吧
zxxuu 08-11 17:42

45楼

@barry66688 #41 支持多模态的模型逐页OCR识别出来再让大模型整理呗估计得烧不少Token 这个对能力要求不高用antigravity应该就行
kanata 08-11 17:43

46楼

@barry66688 #37

codex不限制啊，codex有额度就能干，多少都能干。

也可以分批一点点干
myfriend 08-11 17:44

47楼

pdf里面是文本还是扫描件？如果是扫描件，如 #11 说的，别搞！
barry66688 楼主 08-11 17:51

48楼

@myfriend #47 发布于2026/8/11 17:44:42，编辑于2026/8/11 17:44:52

pdf里面是文本还是扫描件？如果是扫描件，如 #11 说的，别搞！

扫描的，真没有办法了吗
keery 08-11 17:57

49楼

百度最近开源了pdf扫描的
9888 08-11 18:58

50楼

@barry66688 #33 把你的PDF文件存放路径告诉AI，让他自己解决
username123 08-12 06:37

51楼

@barry66688 #18 发布于2026/8/11 17:10:32

@username123 #17 发布于2026/8/11 17:09:42

可以，收点辛苦费，50

要钱就算了兄弟

你邻居是为了省打印费，让你给他弄电子版，你忙前忙后给他弄好了就直接给他了？

我需要你这样的好邻居 ^-^
Venompool 08-12 07:02

52楼

你把这个帖子的链接丢给AI，AI就解决了
corenuclear 08-12 07:32

53楼

MinerU就行
aminis 08-12 07:43

54楼

MJJ手里的E3就能办到，不只是pdf，视频都行
pansir029 08-12 07:58

55楼

这不i很简单么

先ocr识别然后创建一个题库站前提是有个虚拟机本地或公网都可以啊
老衲推车 08-12 08:03

56楼

你炫耀过什么？