documan

PDF · EPUB 문서를 Markdown으로 변환하는 도구 모음.

기능

#	기능	설명
1	PDF 단일 변환 (이미지 포함)	marker-pdf 기반, 고품질
2	PDF 단일 변환 (텍스트 전용)	빠른 변환, 이미지 제외
3	PDF 배치 변환 (이미지 포함)	input/ 폴더 전체, 순차 처리
4	PDF 배치 변환 (텍스트 전용)	빠른 배치 처리
5	PDF 배치 변환 (병렬)	멀티코어 활용
6	EPUB 단일 변환	ebooklib + BeautifulSoup
7	EPUB 배치 변환	input/ 폴더 전체
8	이미지 추출	PDF에서 이미지 파일만 추출
9	Markdown 병합	여러 .md 파일을 하나로 통합
10	이미지 경로 업데이트	Markdown 내 이미지 링크 재연결

설치

pip install -r requirements.txt

GPU 사용 시 PyTorch CUDA 버전을 별도 설치 권장.

사용법

대화형 메뉴

python main.py

실행하면 번호 메뉴가 표시되고, 번호를 선택해 진행.

CLI 직접 실행

# PDF 단일 변환 (이미지 포함)
python main.py 1 input/file.pdf output/

# PDF 배치 변환 (텍스트 전용, 빠름)
python main.py 4 input/ output/

# PDF 배치 병렬 변환 (워커 4개)
python main.py 5 input/ output/ 4

# EPUB 변환
python main.py 6 input/book.epub output/

# Markdown 병합
python main.py 9

Markdown 병합 단독 실행

python merge_markdown.py

• output/ 폴더의 Manual-NN.md 파일들을 순서대로 병합
• 이미지는 output/images/ 폴더로 통합, 파일명은 p{NN}_Figure_X.jpeg 형식으로 rename
• 결과: output/merged_all.md

특정 페이지 범위만 테스트하려면 merge_markdown.py 하단 file_range 파라미터 수정:

merge_markdown_files(
    input_dir="output",
    output_file="merged_test.md",
    file_range=(6, 8),   # 06~08 페이지만
)

폴더 구조

documan/
├── input/              # 변환할 원본 파일 (PDF, EPUB)
├── output/             # 변환 결과 (MD 파일, 이미지 폴더)
│   ├── Manual-01.md
│   ├── Manual-01_images/
│   ├── images/         # 병합 후 통합 이미지 폴더
│   └── merged_all.md   # 병합 결과
├── main.py             # 메인 진입점 (대화형 메뉴 + CLI)
├── merge_markdown.py   # Markdown 병합 스크립트
├── convert_pdfs.py     # PDF 변환
├── convert_epub.py     # EPUB 변환
└── docs/
    └── tutorial.md     # 상세 사용법