PDFxtract

PDFxtract

PDFxtract 是一个使用 Next.js 构建的现代化 Web 应用，专门用于处理扫描的 PDF 文档。它利用先进的 OCR（光学字符识别）技术，精确地从扫描 PDF 内的图像中提取文本信息。扫描 PDF 的每一页都会被自动转换成高质量的 JPEG 图像，并通过 AI 驱动的 OCR 技术进行处理，以准确识别和提取文本内容，最后将结果输出为 Markdown 格式，方便用户使用和进一步编辑。

功能特性

• 通过简单的网页界面上传 PDF 文件
• 将每个 PDF 页面转换为高质量的 JPG 图像
• 转换后在线预览图像
• 将所有图像打包下载为 ZIP 压缩文件
• 响应式和用户友好的界面

开始使用

1. 安装依赖：

   npm install
   # 或
   yarn install
   

2. 启动开发服务器：

   npm run dev
   # 或
   yarn dev
   

3. 打开浏览器并访问 http://localhost:3000

使用方法

• 点击主页上的上传按钮选择 PDF 文件
• 等待转换完成，图像将自动显示
• 如果需要，可将所有图像下载为 ZIP 文件

项目结构

app/                # Next.js 应用目录
  api/              # PDF转JPG和创建ZIP的API路由
components/         # React 组件 (PDF上传器, UI元素等)
public/             # 静态文件和输出图像
lib/                # 工具函数

构建与部署

• 生产环境构建: npm run build
• 启动生产服务器: npm start
• 推荐部署平台: Vercel

Docker 部署

构建镜像

docker build -t pdfxtract:v0.4 .

运行容器

docker run -d -p 4012:3000 \
  -e NODE_ENV=production \
  -e NEXT_PUBLIC_GA_ID=<你的标签ID> \
  --name pdfxtract \
  pdfxtract:v0.4

Docker Compose 示例

version: '3.8'

services:
  pdfxtract:
    image: pdfxtract:v0.4
    ports:
      - "4012:3000"
    environment:
      - NODE_ENV=production
      - NEXT_PUBLIC_GA_ID=<你的标签ID>
    restart: unless-stopped

技术栈

• Next.js
• React
• TypeScript

贡献

欢迎贡献！请提交 issue 或 pull request。