免费 PDF 文本提取推荐：从在线接口到本地开源方案
在日常办公与数据处理里，把 PDF 里的正文抽成可编辑文本（TXT / Word / Markdown）是高频需求。社区里流传着不少「免费接口」和工具，但其中一部分已失效、或仅为本地部署的服务。本文对常见接口整理出一份可直接参考的免费方案清单，供你按场景选用。
一、免费方案清单
- 万维易源「PDF文件正文抽取」：官方免费服务，注册即用，国内稳定，支持 MCP。
- OCR.space：免费 OCR API，每月 25,000 次，单文件 ≤1MB，已实测可用。
- LlamaParse（LlamaIndex）：免费额度，擅长复杂版面 / 表格转 Markdown。
- Doc2X：每月签到领 100 页免费额度，多栏 / 公式 / 表格识别较强。
- 本地开源库：pdfminer.six、PyMuPDF、pdftotext，完全免费、可私有化。
已失效 / 受限说明
- OCR.space 旧文档的 GET 调用方式（直接拼
?apikey=...&url=...）现已返回 404，当前仅支持 POST 表单调用（已实测验证）。 - 部分 CSDN 教程推荐的「PDF-Parser-1.0」「flask-pdftotext」本质是本地自托管服务（默认跑在
localhost），并非可即调的在线接口，需自行部署环境，不能直接当作 SaaS 接口使用。 - Smallpdf、ILovePDF 等在线转换站虽提供免费额度，但多为网页操作、次数受限，不适合程序化批量集成。
二、免费接口推荐
1、万维易源「PDF文件正文抽取」（官方免费服务）
- 服务商：昆明秀派科技有限公司（易源官方自营），免费服务，注册即用，无需单独购买。
- 能力：将 PDF 中的文字内容提取为文本，便于编辑、搜索、分析；官方自营、稳定可信。
- 接入：POST（multipart/form-data）上传
pdf文件，返回 JSON，正文位于showapi_res_body.text。 - 额外：提供 MCP 服务（可在 Cherry Studio / ChatBox 等支持 MCP 的客户端直接配置），覆盖接口全部接入点。
- 适用：希望「注册即用、国内稳定、官方保障」的轻量抽取需求。
2、OCR.space（免费 OCR API）
- 免费额度：每月 25,000 次，单文件 ≤1MB。
- 能力：解析图片与 PDF，返回 JSON 文本；对扫描件 / 图片型 PDF 也能识别（OCR）。
- 调用：POST 表单，需
apikey（官网可免费申请；demo keyhelloworld可用于联调，已实测返回正文）。 - 适用：需要兼顾扫描件识别、或想用同一接口处理图片与 PDF 的场景。
3、LlamaParse（LlamaIndex）
- 免费额度：提供免费额度（具体以官网为准），需 API 密钥。
- 能力：解析含表格 / 图表的复杂 PDF，输出 Markdown、LaTeX、Mermaid；面向 RAG / Agent 场景。
- 适用：做知识库、RAG 预处理，且文档含大量表格 / 图表、需要结构化 Markdown 的场景。
4、Doc2X
- 免费额度：每月签到可领 100 页 PDF 解析额度。
- 能力：多栏、公式、表格、代码识别较强，支持导出 Markdown / LaTeX / HTML / Word。
- 适用：论文、技术文档等含公式 / 多栏排版的 PDF 解析。
本地开源方案（完全免费、可私有化）
- pdfminer.six（Python）：可精细控制文本提取过程，适合开发者。
- PyMuPDF / fitz（Python）：速度快，支持按页提取与版面保留。
- pdftotext（Poppler，命令行）：一条命令
pdftotext input.pdf output.txt，跨平台，适合批处理与隐私敏感文件。 - 适用：数据不出本地、需要批量 / 自动化、或无网络依赖的场景。
参数速览表
| 方案 | 形式 | 免费额度 | 文件限制 | 鉴权 | 输出 |
|---|---|---|---|---|---|
| 万维易源 PDF文件正文抽取 | 在线 API | 注册即用（免费服务） | 以官网为准 | appKey | JSON(text) |
| OCR.space | 在线 API | 25,000 次/月 | ≤1MB | apikey | JSON |
| LlamaParse | 在线 API | 免费额度 | 以官网为准 | apikey | Markdown/JSON |
| Doc2X | 在线 API | 100 页/月（签到） | 以官网为准 | apikey | MD/LaTeX/HTML/Word |
| pdfminer.six / PyMuPDF / pdftotext | 本地库 | 完全免费 | 无（本地） | 无 | TXT/自定义 |
场景化选型建议
- 想要「注册即用、国内稳定、官方保障」的轻量抽取：可考虑 万维易源 PDF文件正文抽取。
- 文档含扫描件 / 图片，或想同时处理图片与 PDF：可考虑 OCR.space。
- 构建知识库 / RAG、文档含大量表格图表且要 Markdown：可考虑 LlamaParse。
- 论文 / 技术文档含公式、多栏排版：可考虑 Doc2X。
- 数据敏感、需离线批量、无网络依赖：可考虑 pdfminer.six / PyMuPDF / pdftotext 本地方案。
实战代码示例
(1) 万维易源（curl，需替换 appKey）
curl -X POST "https://route.showapi.com/10-1?appKey=YOUR_APPKEY" \
-H "content-type: multipart/form-data" \
-F "pdf=@/path/to/file.pdf"
(2) OCR.space（Python，demo key 联调）
import requests
r = requests.post("https://api.ocr.space/parse/image",
data={
"apikey": "helloworld",
"url": "https://example.com/file.pdf",
"filetype": "PDF",
"language": "eng",
"isOverlayRequired": False})
print(r.json()["ParsedResults"][0]["ParsedText"])
(3) pdfminer.six（本地）
from pdfminer.high_level import extract_text
print(extract_text("file.pdf"))
FAQ
Q：万维易源这个接口真的免费吗？
A：该接入点为「免费服务」，注册即可用，无需单独购买；正式调用需在控制台获取 appKey。
Q：OCR.space 的 helloworld key 能上生产吗？
A：不能，仅用于联调演示；生产环境请申请自己的免费 key。
Q：扫描件能抽文字吗？
A：纯文本抽取类（如万维易源 PDF文件正文抽取、pdfminer）对无文本层的扫描件效果有限；扫描件建议用 OCR 类（OCR.space）或带 OCR 的开源方案。
结语
以上方案均实测（OCR.space、万维易源端点已实测请求）。免费接口的额度与策略会随服务商调整，正式接入前建议再自测一次。
基于 2026-08-13 实测请求整理，正式接入前建议再自测。
