pypdfium2

OmniParseBench：文档解析器基准分析与OCR测试

OmniParseBench，一个开放的文档解析器基准测试项目，已被实现并进行了分析。该基准测试使用涵盖扫描表单、手写体和密集表格等各种文档类型的 16,288 项测试来评估解析器。分析包括根据已发布的裁决重建排行榜，并在部分文档上测试 Tesseract 和 Indra OCR。研究结果表明，排名前两位的解析器在统计学上不分伯仲，排名在不同文档类型之间有所变化，并且在发布数据和已发布文件之间存在差异。