한컴이 만든 PDF 파서 벤치마크 1위 오픈소스
OpenDataLoader PDF · PDF를 AI가 읽는 마크다운과 JSON으로
PDF를 AI에 넣으면 표가 깨지고 두 단 글은 뒤섞입니다. 그걸 고치는 파서 벤치마크에서 한컴이 만든 오픈소스가 1위에 올랐습니다. 깃허브 스타 2만 9천 개입니다.
OpenDataLoader PDF는 PDF를 마크다운과 JSON, HTML로 바꾸는 파서입니다. 읽기 순서와 표, 제목 구조를 지키고 모든 요소에 좌표를 붙여서 RAG에 바로 씁니다. 저작권자는 한글과컴퓨터이고 PDF 협회 규격에 맞춰 veraPDF를 만든 듀얼랩과 함께 만들었습니다.
- 자체 벤치마크 200쪽에서 종합 0.907로 12개 파서 중 1위입니다. IBM 도클링 0.882, 상용 뉴트리언트 0.885가 그 뒤입니다. 단, 이 점수는 복잡한 쪽을 AI 백엔드로 넘기는 하이브리드 모드 값입니다.
- 기본 모드는 자바만으로 돌아 GPU 없이 한 쪽에 0.015초입니다. 정확도는 0.831로 내려가니 문서에 맞춰 고릅니다.
- pip install opendataloader-pdf 한 줄입니다. 자바 11 이상이 있어야 하고, Node.js와 자바 SDK도 있습니다.
- 스캔본은 하이브리드 모드에서 80개 언어 OCR을 돌리고 한국어를 지정할 수 있습니다. 수식은 LaTeX으로, 차트는 설명문으로 뽑습니다.
- 태그 없는 PDF를 스크린리더용 태그드 PDF로 자동 변환하는 첫 오픈소스라고 밝혔습니다. 라이선스는 Apache-2.0이고 9월 1일 2.5.7이 나왔습니다.
opendataloader-project/opendataloader-pdf
PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.
- GitHub 별
- 29,965
- 라이선스
- Apache-2.0
- 언어
- Java
- 확인한 날
- 2026.10.23
설치 · 출처 README
pip install opendataloader-pdf출처 OpenDataLoader PDF (opendataloader.org)
광고
카드 내용
- 정확도12개 파서 중 정확도 1위입니다
자체 벤치마크 200쪽에서 종합 0.907입니다. IBM 도클링 0.882, 상용 0.885보다 위입니다.
출처: opendataloader.org - 속도기본 모드는 한 쪽에 0.015초입니다
AI 없이 자바만으로 돌아 GPU가 필요 없습니다. 복잡한 쪽만 하이브리드로 넘겨 정확도를 올립니다.
출처: opendataloader.org - 좌표모든 요소에 좌표가 붙습니다
제목과 본문, 표, 그림마다 위치가 JSON으로 나옵니다. RAG 답변에 원문 자리를 그대로 인용합니다.
출처: opendataloader.org
광고
