Convert academic PDFs to structured, compressed Markdown for LLM consumption.
| Zone | Sections | Treatment |
|---|---|---|
| A (Metadata) | Title, Authors, Year | Extracted to front-matter |
| B (Full Retention) | Abstract, Introduction, Discussion, Conclusion | All text preserved |
| C (Compression) | Methods, Materials, Results, Experiments | Subheaders + captions + first sentence only |
Unknown sections default to Zone B (preserve rather than lose content).
pip install -r requirements.txtNote: docling will download ML models (~1-2 GB) on first run.
# Convert all PDFs in a folder
python papercore.py ./papers/
# Convert to a different output directory
python papercore.py ./papers/ -o ./markdown/
# Convert a single PDF
python papercore.py ./papers/paper.pdf
# Verbose mode (shows zone classification per section)
python papercore.py ./papers/ -v
# Disable compression (treat everything as Zone B)
python papercore.py ./papers/ --no-compress# Paper Title
**Authors:** Author Names
**Year:** 2024
---
## Abstract
[Full text...]
## Introduction
[Full text...]
## Methods
### Subsection Header
First sentence of each paragraph. [...]
*Figure 1: Caption text*
## Discussion
[Full text...]
## Conclusion
[Full text...]python papercore.py --gui
# or
python papercore_gui.py
# or double-click
PaperCore.cmdCreate a desktop shortcut (one-time):
python create_shortcut.pyNo extra dependencies needed (uses built-in tkinter).
If section structure cannot be detected (e.g., unstructured PDFs), the tool falls back to full-text extraction with a warning banner at the top.
PaperCore 将学术 PDF 转换为结构化压缩的 Markdown，供 LLM 消费。避免将全文喂给大模型时产生的 token 浪费和噪音。
| 区域 | 章节 | 处理方式 |
|---|---|---|
| A (元数据) | 标题、作者、年份 | 提取至文件头 |
| B (全量保留) | 摘要、引言、讨论、结论 | 保留全部文本 |
| C (智能压缩) | 方法、材料、结果、实验 | 仅保留子标题 + 图表标题 + 每段首句 |
未识别的章节默认归入 Zone B（宁可多保留，不丢失内容）。
pip install -r requirements.txt注意：docling 首次运行会从 HuggingFace 下载模型（约 1-2 GB）。
# 转换文件夹中的所有 PDF
python papercore.py ./papers/
# 指定输出目录
python papercore.py ./papers/ -o ./markdown/
# 转换单个 PDF
python papercore.py ./papers/paper.pdf
# 详细模式（显示每个章节的区域分类）
python papercore.py ./papers/ -v
# 禁用压缩（所有章节均全量保留）
python papercore.py ./papers/ --no-compresspython papercore.py --gui
# 或直接运行
python papercore_gui.py
# 或双击
PaperCore.cmd创建桌面快捷方式（运行一次即可）：
python create_shortcut.py无需额外依赖（使用 Python 内置 tkinter）。
# 论文标题
**Authors:** 作者名
**Year:** 2024
---
## 摘要
[完整文本...]
## 引言
[完整文本...]
## 方法
### 子章节标题
每段首句。[...]
*Figure 1: 图表标题*
## 讨论
[完整文本...]
## 结论
[完整文本...]当无法识别章节结构时（如纯文本 PDF），工具会回退到全文提取模式，并在文件顶部添加警告标注。