Marker 页码标注2 个参数快速给 Markdown 转换结果加上原始页码【免费下载链接】markerConvert PDF to markdown JSON quickly with high accuracy项目地址: https://gitcode.com/GitHub_Trending/ma/marker你肯定遇到过这种事用 Marker 把 PDF 转成 Markdown 后整篇内容连成一片想引用时根本找不到某段话出自原文件第几页。Marker 原生支持页码标注只要打开一个开关输出里就会在每页内容前插入{页码}----这样的标记。先看效果开启后输出长这样...上一段正文内容... {2}------------------------------------------------ 第三章 开始部分 本章介绍…… {3}------------------------------------------------ 3.1 变量{2}是 PDF 中该页的编号从 0 开始后面那串连字符是页分隔线标记之后出现的内容就来自 PDF 的对应页两步开启页码标注第 1 步改配置。渲染器有两个相关参数paginate_output是否输出页码分隔符和page_separator分隔线样式默认是 48 个连字符。第 2 步传给命令行。这两个参数都可以随转换命令一起传入例如--paginate_output --page_separator 不传就是默认值不输出页码 48 个连字符传了--paginate_output但没改分隔符就是{3}加 48 个-页码从哪来分工是这样的用一句话说清页面头处理器marker/processors/page_header.py转换预处理阶段会把识别出的页头区块通常是页面上的页码统一挪到该页内容流的最前面保证它不会被正文淹没Markdown 渲染器marker/renderers/markdown.py真正决定写不写、怎么写。它按paginate_output这个开关判断——开了才往每页前插入{页码}加分隔线关了就是一个普通字符串输出所以如果你发现页码顺序不对多半是第一步没做好PDF 版式太复杂导致页头没被识别对而不是渲染的问题。进阶玩法换分隔符样式把page_separator改成、### PAGE之类的组合避免和内容里的连字符撞脸调整页码位置想让它不再固定在页首可以改 marker/processors/page_header.py 里把页头插入位置的那一行比如挪到章节标题之后换输出格式HTML 渲染器同样有paginate_output开关把--output_format切成html再打开它页码标记会以分页容器形式出现在 HTML 里翻车怎么办页码重复或缺失多半是 PDF 版式不规则封面无页码、罗马数字页码等导致页头识别错。先用一个小样张试跑一遍--page_range确认识别没问题再全量转分隔线和正文里的连字符混了把page_separator换成不易出现的字符组合比如### PAGE ###肉眼一眼能分清标记和文字黏在一起检查输出格式是不是 markdown其他格式的分隔行为不一样去哪试、去哪反馈页码标注就藏在渲染器的一个开关里两个参数、一分钟搞定。想动手试试直接 clone 仓库https://gitcode.com/GitHub_Trending/ma/marker跑 convert.py遇到识别不准的问题可以查 marker/processors/ 下的处理器实现或到项目 Issue 里提。【免费下载链接】markerConvert PDF to markdown JSON quickly with high accuracy项目地址: https://gitcode.com/GitHub_Trending/ma/marker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考