OpenDataLoader PDF 完整教學

第 1 章：專案定位 (Project Positioning)

解決什麼問題

OpenDataLoader PDF 解決兩個核心痛點：

PDF 資料擷取品質低落 (poor PDF data extraction quality)：傳統 PDF 解析器無法正確保留閱讀順序、破壞表格結構、缺少元素座標。對 RAG (Retrieval-Augmented Generation) 管線來說，這意味著 LLM 收到的上下文可能是錯亂的，導致產生錯誤回答。
PDF 無障礙合規成本過高 (high cost of PDF accessibility compliance)：歐洲無障礙法案 (EAA, European Accessibility Act)、ADA Section 508、韓國數位包容法等法規要求 PDF 文件必須具備結構標記 (structure tags)。手動修復每份文件需 $50–200 美元，企業規模下完全不可擴展。

與競品比較

引擎	整體準確率	速度 (s/page)	授權	特色
OpenDataLoader [hybrid]	0.907	0.463	Apache-2.0	Bounding box + AI safety + auto-tagging
docling	0.882	0.762	MIT	強表格解析，但無 bounding box
marker	0.861	53.932	GPL-3.0	需 GPU，速度慢 1000x
pymupdf4llm	0.732	0.091	AGPL-3.0	快速但表格/標題準確率低
markitdown	0.589	0.114	MIT	無表格/標題偵測

適用場景

RAG pipeline (檢索增強生成管線) 的前處理
LLM context 準備（PDF → Markdown / JSON）
大規模 PDF 無障礙修復 (accessibility remediation at scale)
學術論文資料擷取（含公式、表格、圖表）
法規合規自動化（EAA、ADA、Section 508）

第 2 章：安裝指南 (Installation Guide)

前置條件

Java 11+（必要）：核心引擎以 Java 編寫
Python 3.10+（Python SDK）
Node.js 18+（Node.js SDK）

1# 檢查 Java 版本
2java -version
3
4# 若未安裝，從 Adoptium 安裝 JDK 11+
5# https://adoptium.net/

Python 安裝

1# 基本安裝（本地模式）
2pip install -U opendataloader-pdf
3
4# 含 hybrid 模式（複雜 PDF 需要）
5pip install -U "opendataloader-pdf[hybrid]"
6
7# MCP 伺服器（AI agent 整合）
8pip install -U opendataloader-pdf-mcp

Node.js 安裝

1npm install @opendataloader/pdf

Java 安裝（Maven）

1<dependency>
2  <groupId>org.opendataloader</groupId>
3  <artifactId>opendataloader-pdf-core</artifactId>
4  <version>2.4.7</version>
5</dependency>

驗證安裝

1# CLI 驗證
2opendataloader-pdf --version
3
4# Python 驗證
5python -c "import opendataloader_pdf; print('OK')"

第 3 章：核心架構解析 (Core Architecture Analysis)

整體架構

OpenDataLoader PDF 採用多層式架構 (multi-layered architecture)，以 Java 為核心引擎，透過 subprocess 機制向 Python 和 Node.js SDK 提供功能。


flowchart TB
    subgraph SDK["SDK Layer (SDK 層)"]
        PY["Python SDK
wrapper.py → subprocess"]
        NODE["Node.js SDK
index.ts → child_process"]
        JAVA_API["Java API
OpenDataLoaderPDF.processFile()"]
        MCP["MCP Server
FastMCP → convert_pdf()"]
    end

    subgraph Core["Java Core Engine (Java 核心引擎)"]
        CONFIG["Config
922 行設定管理"]
        DOC_PROC["DocumentProcessor
主處理管線"]
        TRIAGE["TriageProcessor
頁面複雜度分流"]
        AUTO_TAG["AutoTagger
結構標記生成"]
    end

    subgraph Output["Output Generators (輸出生成器)"]
        MD["MarkdownGenerator"]
        JSON_GEN["JSONGenerator"]
        HTML_GEN["HTMLGenerator"]
        TEXT_GEN["TextGenerator"]
        TAG_PDF["TaggedPDFWriter"]
    end

    subgraph Hybrid["Hybrid Backend (混合後端)"]
        HYBRID_SRV["hybrid_server.py
FastAPI + docling"]
        DOCLING["DoclingFastServerClient"]
        HANCOM["HancomClient
企業級 AI"]
    end

    subgraph Entities["Semantic Entities (語義實體)"]
        PICTURE["SemanticPicture"]
        FORMULA["SemanticFormula"]
        FOOTNOTE["SemanticFootnote"]
    end

    PY --> |subprocess 呼叫 JAR| DOC_PROC
    NODE --> |child_process 呼叫 JAR| DOC_PROC
    JAVA_API --> DOC_PROC
    MCP --> PY

    DOC_PROC --> CONFIG
    DOC_PROC --> TRIAGE
    DOC_PROC --> AUTO_TAG
    TRIAGE --> |複雜頁面| DOCLING
    TRIAGE --> |簡單頁面| MD
    DOCLING --> HYBRID_SRV
    
    DOC_PROC --> MD
    DOC_PROC --> JSON_GEN
    DOC_PROC --> HTML_GEN
    DOC_PROC --> TEXT_GEN
    DOC_PROC --> TAG_PDF

    DOC_PROC --> PICTURE
    DOC_PROC --> FORMULA
    DOC_PROC --> FOOTNOTE

    style SDK fill:#e3f2fd
    style Core fill:#fff3e0
    style Output fill:#e8f5e9
    style Hybrid fill:#fce4ec
    style Entities fill:#f3e5f5

核心元件說明

1. Java 核心引擎 (Java Core Engine)

OpenDataLoaderPDF：主入口類別 (main entry class)，暴露 processFile(inputPdfName, config) 靜態方法
Config：龐大的設定物件 (922 行)，管理所有選項：輸出格式、hybrid 設定、OCR 參數、安全過濾、密碼等
DocumentProcessor：主處理管線 (main processing pipeline)，協調整個 PDF 解析流程
TriageProcessor：hybrid 模式的頁面分流器 (page triage)，1132 行，判斷哪些頁面需要 AI 處理

2. Python SDK 架構

Python SDK 的核心設計非常輕量：

runner.py：底層 JAR 執行器 (low-level JAR runner)，透過 subprocess.run() 或 subprocess.Popen() 呼叫 bundled JAR
wrapper.py：高階 API (high-level API)，提供 convert() 函式及 CLI 入口 main()
convert_generated.py：自動生成的 convert() 函式，將 Python 參數轉換為 Java CLI 引數
hybrid_server.py：FastAPI 伺服器 (1033 行)，使用 docling DocumentConverter singleton 處理複雜頁面

3. Hybrid 模式運作方式

Hybrid 模式 (hybrid mode) 結合了快速的本地 Java 解析與 AI 後端 (AI backend) 處理：

本地分析 (local analysis)：Java 引擎先分析每一頁的結構複雜度
頁面分流 (page triage)：TriageProcessor 判斷頁面是否需要 AI 處理（例如複雜表格、掃描影像、公式）
AI 處理 (AI processing)：複雜頁面送到 hybrid_server.py（FastAPI + docling SDK），由 DoclingFastServerClient 負責通訊
結果合併 (result merging)：HybridSchemaTransformer / DoclingSchemaTransformer 將 AI 結果轉換回統一格式

目錄結構

 1opendataloader-pdf/
 2├── java/
 3│   ├── opendataloader-pdf-core/   # Java 核心引擎（105 個 .java 檔案）
 4│   │   └── src/main/java/org/opendataloader/pdf/
 5│   │       ├── api/               # 主入口、Config、AutoTagger
 6│   │       ├── hybrid/            # Hybrid 模式（TriageProcessor、Client）
 7│   │       ├── processors/        # 文件處理器、reading order
 8│   │       ├── markdown/          # Markdown 生成器
 9│   │       ├── json/              # JSON 生成器
10│   │       ├── html/              # HTML 生成器
11│   │       ├── autotagging/       # 自動標記引擎
12│   │       └── entities/          # 語義實體
13│   └── opendataloader-pdf-cli/    # CLI 入口 (CLIMain.java)
14├── python/
15│   ├── opendataloader-pdf/        # Python SDK
16│   │   └── src/opendataloader_pdf/
17│   │       ├── wrapper.py         # 高階 API + CLI 入口
18│   │       ├── runner.py          # JAR 執行器
19│   │       ├── convert_generated.py # 自動生成的 convert()
20│   │       └── hybrid_server.py   # FastAPI hybrid 後端
21│   └── opendataloader-pdf-mcp/    # MCP 伺服器
22├── node/opendataloader-pdf/       # Node.js SDK (TypeScript)
23├── samples/                       # 範例 PDF 檔案
24├── examples/python/               # Python 使用範例
25├── scripts/                       # 建置與測試腳本
26└── docs/                          # 設計文件

第 4 章：使用方式詳解 (Detailed Usage Guide)

4.1 基本轉換 (Basic Conversion)

Python

1import opendataloader_pdf
2
3# 批次轉換多檔案 — 每次 convert() 啟動一個 JVM 程序，重複呼叫效能差
4opendataloader_pdf.convert(
5    input_path=["file1.pdf", "file2.pdf", "folder/"],
6    output_dir="output/",
7    format="markdown,json"
8)

CLI

1# 預設輸出 JSON
2opendataloader-pdf file1.pdf file2.pdf folder/
3
4# 指定格式
5opendataloader-pdf --format markdown,json file1.pdf folder/

Node.js

1import { convert } from '@opendataloader/pdf';
2
3await convert(['file1.pdf', 'folder/'], {
4  outputDir: 'output/',
5  format: 'markdown,json'
6});

4.2 Hybrid 模式 (Hybrid Mode)

適用於複雜表格、掃描 PDF、公式、圖表等需要 AI 處理的場景。

1# 安裝 hybrid 依賴
2pip install -U "opendataloader-pdf[hybrid]"
3
4# Terminal 1：啟動 hybrid 後端
5opendataloader-pdf-hybrid --port 5002
6
7# Terminal 2：處理 PDF
8opendataloader-pdf --hybrid docling-fast file1.pdf file2.pdf folder/

1# Python API
2opendataloader_pdf.convert(
3    input_path=["file1.pdf", "folder/"],
4    output_dir="output/",
5    hybrid="docling-fast"
6)

4.3 OCR 掃描 PDF (OCR for Scanned PDFs)

1# 啟動 hybrid 後端 + OCR
2opendataloader-pdf-hybrid --port 5002 --force-ocr
3
4# 非英語文件（指定語言）
5opendataloader-pdf-hybrid --port 5002 --force-ocr --ocr-lang "ko,en"
6
7# 支援語言：en, ko, ja, ch_sim, ch_tra, de, fr, ar 等 80+

4.4 公式擷取 (Formula Extraction)

1# 後端啟用公式 enrichment
2opendataloader-pdf-hybrid --enrich-formula
3
4# 客戶端需加 --hybrid-mode full
5opendataloader-pdf --hybrid docling-fast --hybrid-mode full paper.pdf

4.5 圖表描述 (Chart & Image Description)

1# 後端啟用圖片描述（使用 SmolVLM 256M）
2opendataloader-pdf-hybrid --enrich-picture-description
3
4# 客戶端
5opendataloader-pdf --hybrid docling-fast --hybrid-mode full report.pdf

4.6 自動標記 → Tagged PDF (Auto-Tagging)

1# 將未標記 PDF 轉為 Tagged PDF
2opendataloader_pdf.convert(
3    input_path=["untagged.pdf"],
4    output_dir="output/",
5    format="tagged-pdf"
6)

1# CLI
2opendataloader-pdf --format tagged-pdf untagged.pdf

4.7 Tagged PDF 結構擷取 (Structure Tree Extraction)

1# 讀取已標記 PDF 的原生結構
2opendataloader_pdf.convert(
3    input_path=["tagged.pdf"],
4    output_dir="output/",
5    use_struct_tree=True
6)

4.8 AI 安全過濾 (AI Safety Filtering)

1# 預設啟用：自動過濾隱藏文字、頁外內容、可疑隱形圖層
2
3# 敏感資料遮蔽（email、URL、電話 → 佔位符）
4opendataloader-pdf file1.pdf --sanitize
5
6# 關閉安全過濾（不建議）
7opendataloader-pdf file1.pdf --content-safety-off all

4.9 MCP 伺服器 (MCP Server)

1# 安裝
2pip install opendataloader-pdf-mcp
3
4# 啟動 MCP 伺服器
5opendataloader-pdf-mcp

MCP 伺服器提供 convert_pdf 工具，支援所有轉換選項，可直接由 Claude Code 或其他 AI agent 呼叫。

4.10 LangChain 整合 (LangChain Integration)

1pip install -U langchain-opendataloader-pdf

1from langchain_opendataloader_pdf import OpenDataLoaderPDFLoader
2
3loader = OpenDataLoaderPDFLoader(
4    file_path=["file1.pdf", "folder/"],
5    format="text"
6)
7documents = loader.load()

第 5 章：應用場景 (Use Cases)

5.1 RAG Pipeline 前處理

OpenDataLoader 是 RAG pipeline (檢索增強生成管線) 的理想前處理工具：

解析 PDF → Markdown：format="markdown" 保留標題、表格、清單結構
語義切割 (semantic chunking)：配合 LangChain RecursiveCharacterTextSplitter 依標題分割
來源追溯 (source citation)：JSON 輸出的 bounding box + page number 可實現「點擊定位原文」功能

1# Step 1: PDF → JSON（含 bounding box）
2opendataloader_pdf.convert(
3    input_path=["research_paper.pdf"],
4    output_dir="parsed/",
5    format="json,markdown",
6    hybrid="docling-fast"   # 複雜文件用 hybrid
7)

5.2 大規模 PDF 無障礙修復

1# 批次處理整個資料夾
2opendataloader-pdf --format tagged-pdf /path/to/untagged_pdfs/

5.3 學術論文資料擷取

1# 含公式 + 圖表描述
2opendataloader_pdf.convert(
3    input_path=["paper.pdf"],
4    output_dir="output/",
5    format="json",
6    hybrid="docling-fast",
7    hybrid_mode="full"  # 啟用公式與圖片 enrichment
8)

5.4 法規合規自動化

支援 EAA (European Accessibility Act)、ADA Section 508、韓國數位包容法等法規的合規工作流：

1未標記 PDF → 稽核 (audit) → 自動標記 (auto-tag) → Tagged PDF → PDF/UA 匯出（企業版）

第 6 章：資安掃描報告 (Security Scan Report)

掃描方法

對整個程式碼庫進行靜態掃描，搜尋以下模式：eval(), exec(), os.system(), subprocess, shell=True, pickle.load(), __import__(), Runtime.getRuntime(), ProcessBuilder, .exec(), 硬編碼密碼/金鑰/Token, urlopen, requests.get/post。

掃描結果

🟢 硬編碼密碼/金鑰/Token

CI/CD secrets：.github/workflows/ 中使用 ${{ secrets.* }} 引用（CODECOV_TOKEN、MAVEN_CENTRAL_PASSWORD、NPM_TOKEN、GITHUB_TOKEN），這是 GitHub Actions 標準做法，無安全疑慮。
PDF 密碼參數：Config.java、CLIMain.java、wrapper.py、server.py 中的 password 參數是功能性設計（用於解鎖加密 PDF），不是硬編碼密碼，無安全疑慮。
Token 變數名稱：ChunksWriter.java、PDFStreamWriter.java 中的 token 是 PDF 語法分析用的 token (符號)，與安全無關，無安全疑慮。

🟡 Subprocess 使用

runner.py：使用 subprocess.run() 和 subprocess.Popen() 執行 bundled JAR。命令由程式碼組裝，未接受外部 shell 命令，風險低。未使用 shell=True。
wrapper.py：透過 runner.run_jar() 間接使用 subprocess，風險低。
scripts/experiments/：benchmark 腳本使用 subprocess.Popen() 和 requests.post()，僅用於內部效能測試，風險低。

🟡 import 使用

test_hybrid_server_ocr_options.py：測試程式碼中使用 monkeypatch.setitem(__import__("sys").modules, ...) 來 mock 模組，僅在測試環境中使用，風險低。

🟢 Runtime.getRuntime()

Config.java:894：Runtime.getRuntime().availableProcessors() 用於限制執行緒數量，標準 Java 做法，無安全疑慮。

🟢 HTTP 請求

benchmark 腳本：requests.post() / requests.get() 僅用於內部效能測試（連接 localhost 的 docling/FastAPI 伺服器），無安全疑慮。

總體評級

🟢 安全等級：良好 (Good)
未發現硬編碼密碼、危險的 eval/exec 呼叫、或 shell injection 風險。Subprocess 使用遵循安全慣例（不使用 shell=True、命令由程式碼組裝）。CI/CD secrets 使用 GitHub Actions 標準機制。整體程式碼安全品質優良。

第 7 章：FAQ — 常見問題 (Frequently Asked Questions)

Q1：需要 GPU 嗎？

不需要。 本地模式完全在 CPU 上運行，每秒處理 60+ 頁。Hybrid 模式的 docling 後端也可在 CPU 上運行，但 GPU 可加速 OCR 與公式擷取。

Q2：如何處理中文/日文/韓文 PDF？

數位 PDF 直接支援。掃描 PDF 需使用 hybrid 模式 + OCR：

1opendataloader-pdf-hybrid --force-ocr --ocr-lang "ch_tra,en"

Q3：每次 convert() 都啟動新 JVM 嗎？

是的。Python/Node.js SDK 透過 subprocess 呼叫 bundled JAR，每次呼叫 convert() 都啟動一個新的 JVM 程序。因此建議批次處理：在單次 convert() 中傳入多個檔案或資料夾。

Q4：支援哪些輸出格式？

JSON、Markdown、HTML、Text、Annotated PDF、Tagged PDF。可組合使用：format="json,markdown,tagged-pdf"。

Q5：本地模式和 hybrid 模式有什麼差別？

特性	本地模式	Hybrid 模式
速度	0.015 s/page	0.463 s/page
準確率	0.831	0.907
需額外服務	否	需啟動 hybrid 後端
適用場景	標準數位 PDF	複雜表格、掃描件、公式

Q6：授權有什麼限制？

Apache 2.0 完全自由商用。自動標記 → Tagged PDF 也是 Apache 2.0。只有 PDF/UA 匯出和無障礙工作室是企業版付費功能。

Q7：如何確保資料不外洩？

完全本地執行 (100% local)，無 API 呼叫，無資料傳輸。Hybrid 模式後端也在本地運行。適合法律、醫療、金融等敏感領域。

第 8 章：進階技巧 (Advanced Techniques)

8.1 效能最佳化 (Performance Optimization)

 1# 批次處理（推薦）— 單次 JVM 啟動處理多個檔案
 2opendataloader_pdf.convert(
 3    input_path=["file1.pdf", "file2.pdf", "entire_folder/"],
 4    output_dir="output/",
 5    format="markdown"
 6)
 7
 8# 避免在迴圈中重複呼叫 convert()（每次啟動新 JVM）
 9# ❌ 效能差
10for f in files:
11    opendataloader_pdf.convert(input_path=f, ...)
12
13# ✅ 效能好
14opendataloader_pdf.convert(input_path=files, ...)

8.2 頁面範圍擷取 (Page Range Extraction)

1# 只擷取特定頁面
2opendataloader-pdf --pages "1,3,5-10" document.pdf

1opendataloader_pdf.convert(
2    input_path="document.pdf",
3    output_dir="output/",
4    pages="1,3,5-10"
5)

8.3 影像處理選項 (Image Output Options)

1opendataloader_pdf.convert(
2    input_path="document.pdf",
3    output_dir="output/",
4    format="markdown-with-images",
5    image_output="embedded",    # "off", "embedded" (Base64), "external"
6    image_format="jpeg"         # "png" 或 "jpeg"
7)

8.4 Java API 直接使用

1import org.opendataloader.pdf.api.Config;
2import org.opendataloader.pdf.api.OpenDataLoaderPDF;
3
4Config config = new Config();
5config.setFormat("json,markdown");
6config.setHybrid("docling-fast");
7
8OpenDataLoaderPDF.processFile("input.pdf", config);
9OpenDataLoaderPDF.shutdown();  // 釋放 HTTP client 等資源

8.5 自動標記 API (Auto-Tagging API)

 1import org.opendataloader.pdf.api.AutoTagger;
 2import org.opendataloader.pdf.api.Config;
 3import org.opendataloader.pdf.api.TaggingResult;
 4
 5Config config = new Config();
 6config.setHybrid("docling-fast");
 7
 8try (TaggingResult result = AutoTagger.tag("input.pdf", config)) {
 9    // 取得記憶體中的 tagged PDDocument
10    var tagged = result.getDocument();
11    // 進一步處理...
12}

8.6 Hybrid 後端進階設定

 1# 自訂 OCR 引擎（Tesseract，支援 EasyOCR 不支援的語言）
 2opendataloader-pdf-hybrid --ocr-engine tesseract --ocr-lang mal
 3
 4# 停用 OCR（當 PDF 已有可靠嵌入文字時）
 5opendataloader-pdf-hybrid --no-ocr
 6
 7# 自訂圖片描述 prompt
 8opendataloader-pdf-hybrid --enrich-picture-description --picture-description-prompt "Describe this chart in detail."
 9
10# 限制上傳檔案大小
11opendataloader-pdf-hybrid --max-file-size 100  # MB

第 9 章：整合進其他工作流 (Integration with Other Workflows)

9.1 整合 LangChain RAG Pipeline

 1from langchain_opendataloader_pdf import OpenDataLoaderPDFLoader
 2from langchain.text_splitter import RecursiveCharacterTextSplitter
 3from langchain_community.vectorstores import Chroma
 4
 5# Step 1: 解析 PDF
 6loader = OpenDataLoaderPDFLoader(
 7    file_path=["research_papers/"],
 8    format="text"
 9)
10documents = loader.load()
11
12# Step 2: 切割
13splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
14chunks = splitter.split_documents(documents)
15
16# Step 3: 向量化存入
17vectorstore = Chroma.from_documents(chunks, embedding_model)

9.2 整合 AI Agent (MCP)

在 Claude Desktop 或其他支援 MCP 的 AI 工具設定中加入：

1{
2  "mcpServers": {
3    "opendataloader-pdf": {
4      "command": "opendataloader-pdf-mcp"
5    }
6  }
7}

AI agent 即可直接呼叫 convert_pdf 工具解析 PDF。

9.3 搭配 AI Knowledge Template 使用

 1# 在 AI-knowledge_template v1 中使用 docling skill（內部使用 opendataloader-pdf 替代）
 2# docling: research_paper.pdf
 3
 4# 或直接使用 Python SDK
 5python -c "
 6import opendataloader_pdf
 7opendataloader_pdf.convert(
 8    input_path='inbox/paper.pdf',
 9    output_dir='inbox/',
10    format='markdown'
11)
12"

9.4 JSON 來源引用 (Source Citation)

 1import json
 2
 3# 讀取 JSON 輸出
 4with open("output/paper.json") as f:
 5    elements = json.load(f)
 6
 7# 每個元素都有 bounding box 可追溯來源
 8for elem in elements:
 9    if elem["type"] == "table":
10        page = elem["page number"]
11        bbox = elem["bounding box"]  # [left, bottom, right, top]
12        print(f"Table on page {page} at {bbox}")

第 10 章：重點摘要 Checklist (Key Summary Checklist)

開始使用前

確認 Java 11+ 已安裝（java -version）
安裝 Python SDK：pip install opendataloader-pdf
若需處理複雜 PDF：pip install "opendataloader-pdf[hybrid]"

選擇正確模式

標準數位 PDF → 本地模式（預設）
複雜表格 / 掃描件 → Hybrid 模式 (--hybrid docling-fast)
掃描 + 非英語 → Hybrid + OCR (--force-ocr --ocr-lang "xx")
公式 / 圖表 → Hybrid + --hybrid-mode full
無障礙修復 → --format tagged-pdf

效能最佳化

使用批次轉換（單次 convert() 傳入多檔案）
避免迴圈中重複呼叫 convert()
不需要的格式不要產生（減少 I/O）

安全考量

確認 --sanitize 在處理敏感文件時已啟用
不要關閉 content safety（--content-safety-off）除非有充分理由
Hybrid 後端全程本地運行，無資料外洩風險

整合檢查

RAG pipeline：使用 JSON 輸出的 bounding box 做來源引用
LangChain：安裝 langchain-opendataloader-pdf
AI Agent：安裝 MCP 伺服器 opendataloader-pdf-mcp

第 11 章：進一步閱讀 (Further Reading)

官方文件

競品與替代方案

工具	特色	授權
docling	強表格解析，MIT	MIT
marker	GPU 加速，高品質	GPL-3.0
pymupdf4llm	速度快，API 簡潔	AGPL-3.0
unstructured	通用文件處理	Apache-2.0
markitdown	多格式轉換	MIT

OpenDataLoader PDF 完整教學 — AI-ready PDF 解析與無障礙自動標記

Contents