免费 PDF 文本提取推荐：从在线接口到本地开源方案

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 key helloworld 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/10-1appKey=YOUR_APPKEY" -H "content-type: multipart/form-data" -F "pdf=@/path/to/file.pdf"

(2) OCR.space（Python，demo key 联调）

import requestsr = 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_textprint(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：扫描件里的文字能提取出来吗？
A：可以，但要分情况看。纯文本抽取这类方案，比如万维易源 PDF文件正文抽取、pdfminer，如果面对的是没有文本层的扫描件，效果通常比较有限。这类文件更适合直接用 OCR 工具来识别，比如OCR.space，或者选择带 OCR 能力的开源方案。

结语

上面这些方案都已经做过实际验证，其中 OCR.space 和万维易源端点也都完成了真实请求测试。

需要注意的是，免费接口的额度和使用策略可能会随着服务商调整而变化，所以在正式接入之前，最好还是先自行再测一遍。

基于 2026-08-13 实测请求整理，正式接入前建议再自测。