命令行工具

doc2x 命令使用说明需要0.4.2+版本

doc2x 命令用于批量处理 PDF 或图片文件，将其转换为多种输出格式。

您可以直接输入pythom -m doc2x，其会引导您输入剩余的必须参数。

位置参数

• filename: 待处理的 PDF 文件或文件夹。

可选参数

• -h, --help: 显示帮助信息并退出。
• -y: 跳过任何需要用户二次输入的场景。
• -k, --api_key API_KEY: Doc2X 的 API 密钥，如果未设置，将从环境变量中读取。
• --thread THREAD: 请求的线程限制，默认为5。除非您确信您需要修改，请使用默认值。
• --max_pages MAX_PAGES: 同时处理的最大页数，默认为 1000。除非您确信您需要修改，请使用默认值。
• -o, --output OUTPUT: 结果的输出文件夹，如果未设置，默认为 './Output'。
• -f, --format {md,md_dollar,tex,docx}: 结果的输出格式，接受 md、md_dollar、tex、docx，默认为 md_dollar。
• --graphrag: 将 md 文档转换为 txt 形式，用于输出为 graphRAG 接受的 txt 形式。此时输出格式需要为 md 或 md_dollar。
• --unzip: 解压输出文件，仅在输出为 zip 文件时有效。

示例

将./pdf 文件夹中所有 pdf 转换为 graphRAG 接受的 txt 格式

doc2x -k "YOUR_KEY_HERE" -o ./ragtest/input --graphrag ./pdf

将./pdf 文件夹中所有 pdf 文件转换为 md 文件并自动解压

doc2x -o ./Output --unzip ./pdf