llama-scan

一款使用 Ollama 将 PDF 转换为文本文件的工具。

功能特性

• 在本地将 PDF 转换为文本文件，无需支付任何 Token 费用。
• 使用 Ollama 支持的最新多模态模型。
• 将图片和图表转换为详细的文本描述。

系统要求

• Python 3.10 或更高版本
• 已在本地安装并运行 Ollama

安装 Ollama 及默认模型

1. 安装 Ollama
2. 拉取默认模型：

ollama run qwen2.5vl:latest

安装

使用 pip 安装：

pip install llama-scan

或使用 uv：

uv tool install llama-scan

使用方法

基本用法：

llama-scan path/to/your/file.pdf

选项

• --output, -o：输出目录（默认值：output）
• --model, -m：使用的 Ollama 模型（默认值：qwen2.5vl:latest）
• --start, -s：起始页码（默认值：0）
• --end, -e：结束页码（默认值：0）
• --custom-instructions, -c：可选的包含附加指令的文本文件路径（默认值：无）
• --server-url, -u：Ollama 服务器 URL（默认值：http://localhost:11434）
• --width, -w：调整大小后的图片宽度（设置为 0 则跳过调整大小；默认值：0）
• --keep-images, -k：保留中间生成的图片文件（默认值：False）
• --stdout, -s：将合并后的输出写入标准输出（默认值：False）

示例

处理指定页码范围：

llama-scan document.pdf --start 1 --end 5

使用不同的 Ollama 模型：

llama-scan document.pdf --model qwen2.5vl:3b

llama-scan 快速上手指南

llama-scan 是一款基于 Ollama 的本地工具，可将 PDF 文件（含图片、图表）转换为详细的文本描述，无需消耗 Token 费用。

环境准备

在开始之前，请确保满足以下系统要求：

• Python: 版本 3.10 或更高
• Ollama: 已安装并在本地运行

安装与配置 Ollama

1. 访问 Ollama 官网 下载并安装客户端。

   国内用户提示：如果官网下载缓慢，可尝试国内镜像源或社区提供的加速下载方案。

2. 拉取默认支持的多模态模型（推荐 qwen2.5vl）：

ollama run qwen2.5vl:latest

安装步骤

你可以选择使用 pip 或 uv 进行安装：

方式一：使用 pip

pip install llama-scan

国内用户提示：如遇下载慢，可指定清华或阿里镜像源： pip install llama-scan -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 uv (推荐，速度更快)

uv tool install llama-scan

基本使用

安装完成后，即可在命令行中直接调用。最简单的用法是传入 PDF 文件路径：

llama-scan path/to/your/file.pdf

执行后，工具会自动提取 PDF 内容并生成文本文件，默认输出目录为 output。

常用选项示例

• 指定页码范围（例如处理第 1 到 5 页）：

llama-scan document.pdf --start 1 --end 5

• 切换其他 Ollama 模型：

llama-scan document.pdf --model qwen2.5vl:3b

• 自定义输出目录：

llama-scan document.pdf --output ./my_results