当前位置：首页 > article >正文

在windows10上基于Python部署marker，实现PDF转markdown文件（保姆级）

article 2025/2/23 21:04:22

前言

网上冲浪了五天，查阅了200+blog，与deepseek对话battle了八次，解决不了问题，我就看源码你，没想到，还真解决了问题，实现了预期目标。

win环境下部署与Linux等其他系统环境不同，我个人的电脑也没有安装NVIDIA显卡，以下所用的插件版本会在文中列出。

一、准备工作

安装 Miniconda
- 官网下载：https://docs.conda.io/en/latest/miniconda.html
- 清华源下载：清华大学开源软件镜像站 | Tsinghua Open Source Mirror（我用的）
- 选择Python 3.10+的Windows版本，与系统位数一致的版本安装（建议默认勾选添加环境变量）我装的是Miniconda3-latest-Windows-x86_64。
安装系统级依赖
- Poppler（PDF解析工具）：
  - 下载地址：Releases · oschwartz10612/poppler-windows · GitHub
  - 解压到 G:\pdf2md_package（路径可自定义，建议把这一套全放一个文件夹） 或其他无空格路径，将 G:\pdf2md_package\poppler2408\Library\bin 添加到系统PATH
  - 这是我安装后的path。
- Tesseract OCR（可选，用于OCR识别）：
  - 下载地址：Home · UB-Mannheim/tesseract Wiki · GitHub
  - 安装时勾选中文语言包，记住安装路径（如 G:\pdf2md_package\Tesseract-OCR）

二、创建虚拟环境

conda create -n marker_env python=3.10  //  还未试过3.12，理论上3.12会向下兼容

conda env list //  查看创建的虚拟环境是否成功

conda activate marker_env  //  激活环境

三、安装PyTorch、Marker

1、安装PyTorch（CPU版本，无显卡用户用此命令）：

pip3 install torch torchvision torchaudio

有显卡的、可以在官网上的Start Locally | PyTorch，根据自己电脑的配置，选择后在箭头处复制语句后执行。（我的是图中这条命令行）

2、安装Marker，耐心等待插件安装。

pip install marker-pdf

四、测试文件转换

准备一个PDF文件，路径不含中文或空格，如 G:\a.pdf
我的文件夹布局如图。
执行转换命令：

marker_single G:\a.pdf --languages eng+chi_sim --llm_service cpu --output_dir G:\aaa

命令的解释：

命令里没有其他博主的--batch_multiplier 2，有这个的都是有显卡的；

marker_single：调用marker_single执行转换操作；

G:\a.pdf：需要转换的文件的所在目录（可自定义）；

--languages eng+chi_si：设置语言，可查官网或帮助，支持的语言还是有蛮多的；

--llm_service cpu：强制使用CPU，也可以不加此句；

--output_dir：此句最关键，在新版本的环境部署中，marker_single命令的入参形式有了变化，此前多位博主的测试语句是（marker_single G:\a.pdf G:\aaa --batch_multiplier 2 --max_pages 10），我试过多次都报错，奇奇怪怪的错误一堆，让我白花了三天时间。通过执行marker_single --help，看入参说明，看到一个output_dir，就去测试，转换后文件的存放目录，需要通过output_dir指定，而不是这样G:\a.pdf G:\aaa，紧跟着需要转换文件路径的后面。

G:\aaa：文件转换后的存放目录（可自定义）。