DocStrange

🚀 在线试用 DocStrange →

DocStrange

DocStrange 能够快速且准确地将文档转换为 Markdown、JSON、CSV 和 HTML 格式。

• 支持 PDF、图片、PPTX、DOCX、XLSX 和 URL 文件的转换。
• 将表格格式化为简洁、适合大语言模型优化的 Markdown。
• 基于升级后的 7B 参数模型，提供更高的准确性和更深入的文档理解能力。
• 通过先进的 OCR 技术从图片和扫描件中提取文本。
• 自动去除页面杂乱内容，输出整洁易读的结果。
• 可根据指定字段或 JSON 模式进行结构化数据提取。
• 内置本地 Web UI，支持便捷的拖放式文件转换。
• 提供免费云端 API 实现即时处理，同时也支持完全私密的本地模式。
• 在本地运行时可选择 GPU 或 CPU 加速。
• 通过 MCP 服务器与 Claude Desktop 集成，实现智能文档导航。

---

处理模式

☁️ 免费云端处理，每月最多 10000 篇文档！
使用云端处理功能即可立即提取文档数据，无需复杂配置。

🔒 本地处理！
选择 gpu 模式可实现 100% 的本地处理——所有数据均保留在您的设备上，不会被发送到任何地方。

最新动态

2025 年 8 月

• 🚀 核心模型重大升级：核心模型已升级至 7B 参数，显著提升了对复杂文档的准确性和深度理解能力。
• 🖥️ 本地 Web 界面：新增内置本地 GUI，您现在可以通过简单的拖放操作完成文档转换，全程离线使用。

---

关于

将 PDF、DOCX、图片等文件转换并提取为干净的 Markdown 和结构化的 JSON 数据。此外，还支持高级表格提取、100% 本地处理以及内置 Web UI。

DocStrange 是一个 Python 库，用于将多种文档格式（包括 PDF、DOCX、PPTX、XLSX 和 图片）转换为干净、可用的数据。它能够生成适合大语言模型优化的 Markdown、带模式支持的 JSON、HTML 和 CSV 输出，是为 RAG 流水线和其他 AI 应用准备内容的理想工具。

该库同时提供强大的云端 API 和完全私密的本地模式，可在您的 GPU 上本地运行。由 Nanonets 开发，DocStrange 基于强大的 OCR 和版面检测模型流水线构建，目前需要 Python >=3.8。

如需报告错误或请求功能，请 提交问题。如有疑问或需要帮助，请使用 讨论区。

---

DocStrange 的独特之处

DocStrange 专注于端到端的文档理解流程（OCR → 版面分析 → 表格识别 → 清洁 Markdown 或结构化 JSON），并且可以在本地 100% 运行。它旨在直接从扫描件和照片中获得高质量结果，而无需集成多个服务。

• 与云上 AI 服务（如 AWS Textract）相比：DocStrange 提供完全私密的本地处理选项，并让您完全掌控整个转换流程。
• 与编排框架（如 LangChain）相比：DocStrange 是一个开箱即用的解析流水线，而非单纯的框架。它负责复杂的 OCR 和版面分析工作，您无需自行搭建。
• 与其他文档解析器相比：DocStrange 专为扫描件和手机照片设计，具备强大的 OCR 功能，而不仅仅是针对原生数字 PDF 文件。

何时选择 DocStrange

• 您需要一个 免费的云端 API，以便从不同类型的文档中提取结构化信息（Markdown、JSON、CSV、HTML）。
• 您需要 本地处理 以确保隐私和合规性。
• 您正在处理 扫描件、手机照片或收据，其中高质量 OCR 至关重要。
• 您希望找到一条 快速路径，直接获取干净的 Markdown 或结构化 JSON，而无需训练模型。

---

示例

试试实时演示：无需安装即可在浏览器中立即测试 DocStrange，访问地址：docstrange.nanonets.com

实际效果展示：

---

安装

使用 pip 安装该库：

pip install docstrange

快速入门

💡 初次使用 DocStrange？ 先试试 在线演示 吧——无需安装！

1. 将任意文档转换为适合大语言模型的 Markdown

这是最常见的用法。将复杂的 PDF 或 DOCX 文件转化为简洁、结构化的 Markdown，非常适合 RAG 流水线和其他大语言模型应用。

from docstrange import DocumentExtractor

# 初始化提取器（默认为云端模式）
extractor = DocumentExtractor()

# 将任意文档转换为干净的 Markdown
result = extractor.extract("document.pdf")
markdown = result.extract_markdown()
print(markdown)

2. 提取结构化数据为 JSON

超越纯文本，将文档中检测到的所有实体和内容提取为结构化的 JSON 格式。

from docstrange import DocumentExtractor

# 将文档提取为结构化的 JSON
extractor = DocumentExtractor()
result = extractor.extract("document.pdf")

# 获取所有重要数据，以扁平化 JSON 格式
json_data = result.extract_data()
print(json_data)

3. 从 PDF 或发票中提取特定字段

仅提取您需要的键值对数据，例如直接从文档中提取 invoice_number 或 total_amount。

from docstrange import DocumentExtractor

# 只提取所需字段
extractor = DocumentExtractor()
result = extractor.extract("invoice.pdf")

# 指定要提取的具体字段
fields = result.extract_data(specified_fields=[
    "invoice_number", "total_amount", "vendor_name", "due_date"
])
print(fields)

4. 使用自定义 JSON 模式提取数据

通过提供自定义 JSON 模式来确保输出的结构。这对于为处理合同或复杂表单的应用程序获取可靠、嵌套的数据结构非常理想。

from docstrange import DocumentExtractor

# 提取符合您模式的数据
extractor = DocumentExtractor()
result = extractor.extract("contract.pdf")

# 定义所需的结构
schema = {
    "contract_number": "string",
    "parties": ["string"],
    "total_value": "number",
    "start_date": "string",
    "terms": ["string"]
}

structured_data = result.extract_data(json_schema=schema)
print(structured_data)

本地处理

为了完全保护隐私并实现离线功能，您可以使用 GPU 处理在自己的机器上运行 DocStrange。

# 强制使用本地 GPU 处理（需要 CUDA）
extractor = DocumentExtractor(gpu=True)

---

本地 Web 界面

💡 想要图形界面吗？运行简单、拖放式的本地 Web 界面，实现私密、离线的文档转换。

对于喜欢图形界面的用户，DocStrange 提供了一个功能强大的自托管 Web UI。它允许您在浏览器中轻松地拖放 PDF、DOCX 等文件进行转换，并且所有处理都在您的本地 GPU 上进行，100% 私密、离线。该界面首次运行时会自动下载所需的模型。

如何开始？

1. 安装包含 Web 依赖项的包：

pip install "docstrange[web]"

2. 运行 Web 界面：

# 方法 1：使用 CLI 命令
docstrange web

# 方法 2：使用 Python 模块
python -m docstrange.web_app

# 方法 3：直接导入 Python 脚本
python -c "from docstrange.web_app import run_web_app; run_web_app()"

3. 打开浏览器： 导航到 http://localhost:8000（或终端显示的端口）

DocStrange 本地 Web 界面的功能：

• 🖱️ 拖放界面：只需将文件拖放到上传区域。
• 📁 支持多种文件类型：PDF、DOCX、XLSX、PPTX、图片等。
• ⚙️ 处理模式：可选择云端处理或本地 GPU 处理。
• 📊 多种输出格式：Markdown、HTML、JSON、CSV 和扁平化 JSON。
• 🔒 隐私选项：可以选择云端处理（默认）或本地 GPU 处理。
• 📱 响应式设计：适用于桌面、平板和手机。

支持的文件类型：

• 文档： PDF、DOCX、DOC、PPTX、PPT
• 电子表格： XLSX、XLS、CSV
• 图片： PNG、JPG、JPEG、TIFF、BMP
• 网页： HTML、HTM
• 文本： TXT

处理模式：

• 云端处理： 如果您希望立即进行转换且无需任何设置，可以访问 docstrange.nanonets.com —— 默认为云端处理。
• 本地 GPU： 最快的本地处理方式，需要 CUDA 支持。

输出格式：

• Markdown： 干净、结构化的文本，非常适合文档编写。
• HTML： 带有样式和布局的格式化输出。
• CSV： 电子表格格式的表格数据。
• 扁平化 JSON： 简化的 JSON 结构。
• 特定字段： 从文档中提取特定信息。

高级用法：

1. 在自定义端口上运行：

# 在不同端口上运行
docstrange web --port 8080
python -c "from docstrange.web_app import run_web_app; run_web_app(port=8080)"

2. 以开发模式运行：

# 开启调试模式进行开发
python -c "from docstrange.web_app import run_web_app; run_web_app(debug=True)"

3. 在自定义主机上运行（以便在本地网络中访问）：

# 使其他设备可以在本地网络中访问
python -c "from docstrange.web_app import run_web_app; run_web_app(host='0.0.0.0')"

故障排除

1. 端口已被占用：

# 使用其他端口
docstrange web --port 8001

2. GPU 不可用：

• 界面会自动检测 GPU 是否可用。
• 如果没有 CUDA，GPU 选项将被禁用。
• 系统会抛出错误。

3. 模型下载问题：

• 模型会在首次启动时自动下载。
• 请检查初始设置期间的互联网连接。
• 终端会显示下载进度。

4. 安装问题：

# 安装包含所有依赖项的包
pip install -e ".[web]"
# 或单独安装 Flask
pip install Flask

云端替代方案

需要云端处理吗？请使用官方的 DocStrange 云服务：🔗 docstrange.nanonets.com

---

使用方法与功能

您可以以三种主要方式使用 DocStrange：作为简单的 Web 界面、灵活的 Python 库，或强大的命令行接口 (CLI)。本节将总结该库的主要功能，并为每种方法提供详细的指南和示例。

1. 转换多种文件类型

DocStrange 原生支持多种格式，并为每种格式返回最合适的输出。

from docstrange import DocumentExtractor

extractor = DocumentExtractor()

# PDF 文档
pdf_result = extractor.extract("report.pdf")
print(pdf_result.extract_markdown())

# Word 文档
docx_result = extractor.extract("document.docx")
print(docx_result.extract_data())

# Excel 表格
excel_result = extractor.extract("data.xlsx")
print(excel_result.extract_csv())

# PowerPoint 演示文稿
pptx_result = extractor.extract("slides.pptx")
print(pptx_result.extract_html())

# 包含文字的图片
image_result = extractor.extract("screenshot.png")
print(image_result.extract_text())

# 网页
url_result = extractor.extract("https://example.com")
print(url_result.extract_markdown())

b. 将表格提取为 CSV

轻松将文档中的所有表格提取为整洁的 CSV 格式。

# 提取文档中的所有表格
result = extractor.extract("financial_report.pdf")
csv_data = result.extract_csv()
print(csv_data)

c. 提取特定字段及结构化数据

您不仅可以进行简单的转换，还可以按所需的精确结构提取数据。有两种方法可以做到这一点：要么只提取您需要的键值对数据，要么通过提供自定义 JSON 模式来确保输出的结构。

# 从任何文档中提取特定字段
result = extractor.extract("invoice.pdf")

# 方法 1：提取特定字段
extracted = result.extract_data(specified_fields=[
    "invoice_number",
    "total_amount", 
    "vendor_name",
    "due_date"
])

# 方法 2：使用 JSON 模式提取
schema = {
    "invoice_number": "string",
    "total_amount": "number", 
    "vendor_name": "string",
    "line_items": [{
        "description": "string",
        "amount": "number"
    }]
}

structured = result.extract_data(json_schema=schema)

d. 云模式使用示例：

使用 DocStrange 的云模式，通过指定要查找的字段列表或强制输出自定义 JSON 模式，从各种文档中提取精确的结构化数据。使用 DocStrange 登录或免费 API 密钥进行身份验证，即可获得每月 10,000 次文档处理额度。

from docstrange import DocumentExtractor

# 默认云模式（未提供 API 密钥时有速率限制）
extractor = DocumentExtractor()

# 已认证模式（每月 1 万次文档处理）——需先运行 'docstrange login'
extractor = DocumentExtractor()  # 自动使用缓存的凭据

# 使用 API 密钥实现每月 1 万次文档处理（替代登录方式）
extractor = DocumentExtractor(api_key="your_api_key_here")

# 从发票中提取特定字段
result = extractor.extract("invoice.pdf")

# 提取关键发票信息
invoice_fields = result.extract_data(specified_fields=[
    "invoice_number",
    "total_amount", 
    "vendor_name",
    "due_date",
    "items_count"
])

print("提取的发票字段：")
print(invoice_fields)
# 输出：{"extracted_fields": {"invoice_number": "INV-001", ...}, "format": "specified_fields"}

# 使用模式提取结构化数据
invoice_schema = {
    "invoice_number": "string",
    "total_amount": "number",
    "vendor_name": "string",
    "billing_address": {
        "street": "string",
        "city": "string", 
        "zip_code": "string"
    },
    "line_items": [{
        "description": "string",
        "quantity": "number",
        "unit_price": "number",
        "total": "number"
    }],
    "taxes": {
        "tax_rate": "number",
        "tax_amount": "number"
    }
}

structured_invoice = result.extract_data(json_schema=invoice_schema)
print("结构化的发票数据：")
print(structured_invoice)
# 输出：{"structured_data": {...}, "schema": {...}, "format": "structured_json"}

# 从不同类型的文档中提取信息
receipt = extractor.extract("receipt.jpg")
receipt_data = receipt.extract_data(specified_fields=[
    "merchant_name", "total_amount", "date", "payment_method"
])

contract = extractor.extract("contract.pdf") 
contract_schema = {
    "parties": [{
        "name": "string",
        "role": "string"
    }],
    "contract_value": "number",
    "start_date": "string",
    "end_date": "string",
    "key_terms": ["string"]
}
contract_data = contract.extract_data(json_schema=contract_schema)

e. 与 LLM 结合

干净的 Markdown 输出非常适合用于检索增强生成（RAG）和其他 LLM 工作流。

# 非常适合 LLM 工作流
document_text = extractor.extract("research_paper.pdf").extract_markdown()

# 可与任何 LLM 配合使用
response = your_llm_client.chat(
    messages=[{
        "role": "user", 
        "content": f"请总结这篇研究论文：\n\n{document_text}"
    }]
)

核心功能

• 🌐 通用输入：支持多种格式，包括 PDF、DOCX、PPTX、XLSX、图片和 URL。
• 🔒 双重处理模式：可选择云端 API 进行即时处理，或在您自己的 CPU 或 GPU 上进行 100% 私密的本地处理。
• 🤖 智能提取：提取 特定字段 或强制使用嵌套的 JSON 模式，以获取结构化数据输出。
• 🖼️ 先进的 OCR：通过包含 多引擎回退机制 的 OCR 流程，轻松处理扫描文档和图像。
• 📊 表格与结构识别：准确 提取表格 并保留文档结构，生成干净、适合 LLM 的 输出。
• 🖥️ 内置 Web UI：使用内置的 拖放式 Web 界面 轻松完成本地转换。

工作原理

DocStrange 采用多阶段流程，将文档转换为结构化输出。

1. 摄取：原生支持多种文件格式，包括 PDF、DOCX、PPTX、图片和 URL。
2. 布局检测：库会识别文档的结构，例如页眉、段落、列表和表格，以保持原始阅读顺序。
3. OCR 与文本提取：对扫描文档采用先进的 OCR 技术，而数字文件则直接提取文本。
4. 格式化与清理：提取的内容会被转换为干净、适合 LLM 的 Markdown 和其他格式，同时去除页面上的杂乱内容。
5. 结构化提取（可选）：如果提供了模式或特定字段，DocStrange 会使用 LLM 填充所需的 JSON 结构。

---

云 API 层级与速率限制

DocStrange 提供免费的云处理服务，并设有不同的层级以确保公平使用。

• 🔐 已认证访问（推荐）
  • 速率限制：每月 10,000 次文档处理。
  • 设置：只需一条命令：docstrange login。
  • 优势：与您的 Google 账号关联后，可获得显著更高的免费额度。
• 🔑 API 密钥访问（替代方案）
  • 速率限制：每月 10,000 次文档处理。
  • 设置：从 docstrange.nanonets.com 获取免费 API 密钥。
  • 使用方法：在初始化库时传入 API 密钥。

# 免费层级使用（每日调用次数有限）
extractor = DocumentExtractor()

# 已认证访问（每月 1 万次文档处理）——需先运行 'docstrange login'
extractor = DocumentExtractor()  # 自动使用缓存的凭据

# 使用 API 密钥访问（每月 1 万次文档处理）
extractor = DocumentExtractor(api_key="your_api_key_here")

💡 提示：可以先使用匿名免费层级测试功能，然后通过 docstrange login 进行认证，以获得完整的每月 1 万次文档处理额度。

---

命令行界面（CLI）

💡 更喜欢图形界面吗？ 试试 web 界面，支持拖放式文档转换！

对于自动化、脚本编写和批量处理，您可以直接在终端中使用 DocStrange。

身份验证命令

# 一次性登录以获得免费的每月 1 万次文档处理额度（替代 API 密钥）
docstrange login

# 或者
docstrange --login

# 如需重新认证
docstrange login --reauth

# 注销并清除缓存的凭据
docstrange --logout

文档处理

# 基本转换（默认云模式——免费但调用次数有限！）
docstrange document.pdf

# 已认证处理（登录后可免费获得每月 1 万次文档处理额度）
docstrange document.pdf

# 使用 API 密钥实现每月 1 万次文档处理访问（替代登录方式）
docstrange document.pdf --api-key YOUR_API_KEY

# 本地处理模式
docstrange document.pdf --gpu-mode

# 不同输出格式
docstrange document.pdf --output json
docstrange document.pdf --output html
docstrange document.pdf --output csv

# 提取特定字段
docstrange invoice.pdf --output json --extract-fields invoice_number total_amount

# 使用 JSON 模式提取
docstrange document.pdf --output json --json-schema schema.json

# 处理多个文件
docstrange *.pdf --output markdown

# 保存到文件
docstrange document.pdf --output-file result.md

# 全面的字段提取示例
docstrange invoice.pdf --output json --extract-fields invoice_number vendor_name total_amount due_date line_items

# 从不同类型的文档中提取特定字段
docstrange receipt.jpg --output json --extract-fields merchant_name total_amount date payment_method

docstrange contract.pdf --output json --extract-fields parties contract_value start_date end_date

# 使用 JSON 模式文件进行结构化提取
docstrange invoice.pdf --output json --json-schema invoice_schema.json
docstrange contract.pdf --output json --json-schema contract_schema.json

# 结合身份验证实现每月 1 万份文档的访问权限（执行 'docstrange login' 后）
docstrange document.pdf --output json --extract-fields title author date summary

# 或者使用 API 密钥实现每月 1 万份文档的访问权限（作为登录的替代方案）
docstrange document.pdf --api-key YOUR_API_KEY --output json --extract-fields title author date summary

schema.json 文件示例：

{
  "invoice_number": "string",
  "total_amount": "number",
  "vendor_name": "string",
  "billing_address": {
    "street": "string",
    "city": "string",
    "zip_code": "string"
  },
  "line_items": [{
    "description": "string",
    "quantity": "number",
    "unit_price": "number"
  }]
}

库的 API 参考

本节详细介绍了用于程序化使用的主要类和方法。

1. DocumentExtractor

DocumentExtractor(
    api_key: str = None,              # 用于每月 1 万份文档访问权限的 API 密钥（或使用 'docstrange login' 达到相同限制）
    model: str = None,                # 用于云端处理的模型（"gemini"、"openapi"、"nanonets"）
    cpu: bool = False,                # 强制在本地 CPU 上进行处理
    gpu: bool = False                 # 强制在本地 GPU 上进行处理
)

b. ConversionResult 方法

result.extract_markdown() -> str                    # 清洁的 Markdown 输出
result.extract_data(                              # 结构化的 JSON
    specified_fields: List[str] = None,       # 提取特定字段
    json_schema: Dict = None                  # 使用模式提取
) -> Dict
result.extract_html() -> str                      # 格式的 HTML
result.extract_csv() -> str                       # 表格的 CSV 格式
result.extract_text() -> str                      # 纯文本

---

🤖 Claude Desktop 的 MCP 服务器（本地开发）

DocStrange 仓库包含一个可选的 MCP（模型上下文协议）服务器，用于本地开发，可在 Claude Desktop 中实现智能文档处理，并支持基于令牌感知的导航。

注意：MCP 服务器专为本地开发设计，不包含在 PyPI 包中。请克隆仓库以在本地使用。

功能

• 智能令牌计数：自动计算令牌并推荐处理策略
• 层次化导航：当文档超出上下文限制时，按结构导航
• 智能分块：自动将大文档拆分为符合令牌限制的块
• 高级搜索：在文档中搜索并获取上下文相关的结果

本地设置

1. 克隆仓库：

git clone https://github.com/nanonets/docstrange.git
cd docstrange

2. 以开发模式安装：

pip install -e ".[dev]"

3. 将以下内容添加到你的 Claude Desktop 配置文件中（~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "docstrange": {
      "command": "python3",
      "args": ["/path/to/docstrange/mcp_server_module/server.py"]
    }
  }
}

4. 重启 Claude Desktop

有关详细的设置和使用方法，请参阅 mcp_server_module/README.md

---

Nanonets 生态系统

DocStrange 是由 Nanonets 团队开发和维护的强大开源库。Nanonets 平台是一个基于 AI 的解决方案，旨在为企业实现端到端的文档自动化处理。该平台使技术团队和非技术团队都能够构建完整的自动化文档工作流。

社区、支持与许可

这是一个积极开发中的开源项目，我们欢迎您的反馈和贡献。

• 讨论区：如有疑问、想法或想分享您构建的内容，请访问我们的 GitHub 讨论区。
• 问题：如需报告错误或提出功能请求，请在 GitHub 问题页面提交。
• 电子邮件：如有私人咨询，您可以通过 support@nanonets.com 联系我们。

⭐ 如果您觉得此仓库有帮助，请给它点个赞！您的支持将帮助我们不断改进这个库。

许可证：本项目采用 MIT 许可证。

DocStrange 快速上手指南

DocStrange 是一款强大的文档解析工具，可将 PDF、图片、PPTX、DOCX、XLSX 等格式快速转换为 Markdown、JSON、CSV 和 HTML。它内置升级的 7B 模型，支持高精度 OCR 和表格提取，专为 RAG 管道和 AI 应用优化。支持免费云端 API 和 100% 隐私的本地 GPU 运行模式。

环境准备

• 操作系统：Linux、macOS 或 Windows
• Python 版本：>= 3.8
• 硬件要求：
  • 云端模式：无特殊要求，联网即可。
  • 本地模式：如需本地离线处理，建议配备 NVIDIA GPU 并安装 CUDA 驱动以获得最佳性能；CPU 也可运行但速度较慢。
• 网络要求：首次安装或运行本地 Web 界面时需联网下载模型依赖。

安装步骤

使用 pip 安装基础库：

pip install docstrange

若需使用内置的本地 Web 图形界面（拖拽上传功能），请安装包含 Web 依赖的版本：

pip install "docstrange[web]"

💡 提示：国内用户若遇到下载缓慢问题，可使用清华或阿里镜像源加速安装： pip install docstrange -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

1. Python 代码调用

以下示例展示如何将文档转换为适合 LLM 使用的 Markdown 格式，或提取结构化 JSON 数据。默认使用免费云端模式。

转换为 Markdown：

from docstrange import DocumentExtractor

# 初始化提取器（默认为云端模式）
extractor = DocumentExtractor()

# 转换任意文档为干净的 Markdown
result = extractor.extract("document.pdf")
markdown = result.extract_markdown()
print(markdown)

提取结构化数据（JSON）：

from docstrange import DocumentExtractor

extractor = DocumentExtractor()
result = extractor.extract("document.pdf")

# 获取扁平化的 JSON 数据
json_data = result.extract_data()
print(json_data)

指定字段提取（例如发票信息）：

from docstrange import DocumentExtractor

extractor = DocumentExtractor()
result = extractor.extract("invoice.pdf")

# 仅提取指定字段
fields = result.extract_data(specified_fields=[
    "invoice_number", "total_amount", "vendor_name", "due_date"
])
print(fields)

启用本地 GPU 模式（完全离线）：

# 强制使用本地 GPU 处理（需安装 CUDA）
extractor = DocumentExtractor(gpu=True)

2. 使用本地 Web 界面

如果你更喜欢图形化操作，可以启动本地 Web 服务进行拖拽式转换：

1. 启动服务：

   docstrange web
   

   或者使用 Python 模块运行：

   python -m docstrange.web_app
   

2. 访问界面： 在浏览器中打开 http://localhost:8000。

3. 开始转换： 将文件拖入上传区域，选择处理模式（Cloud 或 Local GPU）及输出格式（Markdown/JSON/CSV 等），即可一键转换。