opendataloader-project

可能已有人在做的 issue 排在最后。 全部按时间排序

• --sanitize incorrectly redacts HH:MM:SS timestamps as IPv6 addresses

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 2/5 1-3 小时 新手友好度 85/100

  opendataloader-project/opendataloader-pdf#757 · 2026年9月29日 创建

  维护者通常 1 天内回复

• Document structure extraction: nested lists flattened, headings misclassified as lists, and standalone headings merged into paragraphs

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 4/5 3-5 天 新手友好度 48/100

  opendataloader-project/opendataloader-pdf#755 · 1 条评论 · 2026年9月24日 创建

  维护者通常 1 天内回复

• Heading levels follow font size and skip levels; tagged output fails PDF/UA-1 7.4.2-1

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 3/5 1-2 天 新手友好度 65/100

  opendataloader-project/opendataloader-pdf#751 · 2026年9月23日 创建

  维护者通常 1 天内回复

• Auto-tagging: tables found by border detection never emit `TH`, while cluster-detected tables mark their first row as header

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 3/5 1-2 天 新手友好度 68/100

  opendataloader-project/opendataloader-pdf#745 · 2026年9月22日 创建

  维护者通常 1 天内回复

• Type3 font without ToUnicode: whole page dropped (kids: []), 'glyph can not be mapped to Unicode' (2.4.7)

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 4/5 3-5 天 新手友好度 55/100

  opendataloader-project/opendataloader-pdf#740 · 2026年9月18日 创建

  维护者通常 1 天内回复

• filterTinyText drops spaces, hyphens and em dashes at normal font sizes

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 2/5 1-3 小时 新手友好度 78/100

  opendataloader-project/opendataloader-pdf#732 · 2026年9月16日 创建

  维护者通常 1 天内回复

• Page-split markers in PDF text can forge page boundaries, and a long page number crashes the loader

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 4/5 3-5 天 新手友好度 42/100

  opendataloader-project/langchain-opendataloader-pdf#48 · 2026年9月9日 创建

• [Bug] Hybrid docling-fast fails on Windows when the user profile path contains non-ASCII characters

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#725 · 1 条评论 · 已指派 1 人 · 2026年9月8日 创建

  维护者通常 1 天内回复

• Python/Node wrappers silently drop empty-string hybrid_chunk_size

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#711 · 1 条评论 · 已指派 1 人 · 2026年8月29日 创建

  维护者通常 1 天内回复

• Chart gridlines are detected as a table, producing a /Table with only empty cells

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 4/5 3-5 天 新手友好度 52/100

  opendataloader-project/opendataloader-pdf#695 · 2026年8月22日 创建

  维护者通常 1 天内回复

• StringIndexOutOfBoundsException in TableStructureNormalizer aborts whole document (empty TextChunk substring)

  可能重新可做 @LonelyMidoriya 于 38 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug fixed-in-dev

  opendataloader-project/opendataloader-pdf#694 · 1 条评论 · 已指派 1 人 · 2026年8月22日 创建

  维护者通常 1 天内回复

• opendataloarder gets stuck

  可能重新可做 @bundolee 于 44 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#686 · 已指派 1 人 · 2026年8月17日 创建

  维护者通常 1 天内回复

• hyperlinks and links are not handled properly in converted md

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 4/5 3-5 天 新手友好度 42/100

  opendataloader-project/opendataloader-pdf#676 · 2026年8月11日 创建

  维护者通常 1 天内回复

• Add `py.typed` to Python package to denote that the package supports typing

  可能重新可做 @bundolee 于 50 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#674 · 已指派 1 人 · 2026年8月10日 创建

  维护者通常 1 天内回复

• Hybrid backend fails to start on Korean-locale Windows - 'cp949' codec can't decode byte 0xe2 while loading docling model config

  可能重新可做 @bundolee 于 51 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#673 · 已指派 1 人 · 2026年8月9日 创建

  维护者通常 1 天内回复

• IEEE roman-numeral section titles emitted as paragraphs while an equation is tagged as a heading

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 4/5 3-5 天 新手友好度 48/100

  opendataloader-project/opendataloader-pdf#663 · 1 条评论 · 2026年8月2日 创建

  维护者通常 1 天内回复

• After upgrading to latest version 2.50 seeing issues in image extraction,extra grey scale image seen

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 4/5 3-5 天 新手友好度 38/100

  opendataloader-project/opendataloader-pdf#652 · 10 条评论 · 2026年7月24日 创建

  维护者通常 1 天内回复

• Make hybrid backend availability-check timeout configurable

  可能重新可做 @bundolee 于 75 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#644 · 已指派 1 人 · 2026年7月17日 创建

  维护者通常 1 天内回复

• pdf with multiple inline images like small buttons,icons etc are not mapped properly with in like text

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 5/5 一周以上 新手友好度 35/100

  opendataloader-project/opendataloader-pdf#642 · 2026年7月15日 创建

  维护者通常 1 天内回复

• Table-Detection F1 regression gate is vacuous: reference.json resolved under ground-truth/markdown/

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 2/5 1-3 小时 新手友好度 82/100

  opendataloader-project/opendataloader-bench#30 · 2026年7月11日 创建

• triage_recall / triage_fn_max gates are inert: no engine emits triage.json

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 5/5 一周以上 新手友好度 35/100

  opendataloader-project/opendataloader-bench#29 · 2026年7月11日 创建

• [Bug] docling-fast full mode omits vector flowchart region in NIST SP 800-53A

  可能重新可做 @bundolee 于 83 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#628 · 已指派 1 人 · 2026年7月9日 创建

  维护者通常 1 天内回复

• Urgent - [Bug] Hybrid full mode collapses logical table rows and misaligns values

  可能重新可做 @bundolee 于 83 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#627 · 3 条评论 · 已指派 1 人 · 2026年7月9日 创建

  维护者通常 1 天内回复

• Reading-order/structure: a top-of-column banner title gets nested several levels deep under an unrelated list item, far below its actual position

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  question

  难度 4/5 3-5 天 新手友好度 68/100

  opendataloader-project/opendataloader-pdf#626 · 2026年7月9日 创建

  维护者通常 1 天内回复

• Hybrid mode drops text docling labels as page_header/page_footer; --include-header-footer does not restore it

  可能重新可做 @bundolee 于 85 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#623 · 已指派 1 人 · 2026年7月6日 创建

  维护者通常 1 天内回复

• Hybrid triage routes full-page scanned pages to the Java path -> empty output

  可能重新可做 @hnc-jglee 于 66 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#619 · 2 条评论 · 1 个 reaction · 已指派 1 人 · 2026年7月1日 创建

  维护者通常 1 天内回复

• sanitize.Phone match pattern not configured for US phone numbers

  可能重新可做 @bundolee 于 92 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#617 · 已指派 1 人 · 2026年6月29日 创建

  维护者通常 1 天内回复

• May I ask if this can parse the base64 binary input of PDFS?

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  question

  难度 5/5 一周以上 新手友好度 20/100

  opendataloader-project/opendataloader-pdf#577 · 1 条评论 · 2026年6月16日 创建

  维护者通常 1 天内回复

• Would you be open to a pure-Node.js, no-JVM extraction engine?

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#574 · 已指派 1 人 · 2026年6月15日 创建

  维护者通常 1 天内回复

• Split CLI streaming from library API in run_jar (port Node #473 pattern)

  可能重新可做 @hyunhee-jo 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#572 · 1 条评论 · 已指派 1 人 · 2026年6月15日 创建

  维护者通常 1 天内回复

• ask about projects

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  question

  opendataloader-project/opendataloader-pdf#571 · 已指派 1 人 · 2026年6月13日 创建

  维护者通常 1 天内回复

• [M1] Cap page-render DPI to bound single-page peak memory (the real lever for #458)

  可能重新可做 @hnc-jglee 于 110 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement fixed-in-dev follow-up memory

  opendataloader-project/opendataloader-pdf#568 · 2 条评论 · 已指派 1 人 · 2026年6月12日 创建

  维护者通常 1 天内回复

• missing character

  可能重新可做 @bundolee 于 103 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#566 · 1 条评论 · 已指派 1 人 · 2026年6月11日 创建

  维护者通常 1 天内回复

• Maven dependency resolution appears to be non-reproducible

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  question

  opendataloader-project/opendataloader-pdf#551 · 1 个 reaction · 已指派 1 人 · 2026年6月3日 创建

  维护者通常 1 天内回复

• Expand `--sanitize` to mask SSNs, bank account numbers, and broader sensitive identifiers

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#550 · 1 条评论 · 已指派 1 人 · 2026年6月2日 创建

  维护者通常 1 天内回复

• Local extraction of an image-only / scanned PDF succeeds silently with no text and no warning

  可能重新可做 @bundolee 于 103 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#548 · 1 个 reaction · 已指派 1 人 · 2026年6月2日 创建

  维护者通常 1 天内回复

• docling.exceptions.ConversionError on M1 MBP

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#545 · 已指派 1 人 · 2026年6月2日 创建

  维护者通常 1 天内回复

• Drop deprecated markdown-with-html/markdown-with-images format values

  可能重新可做 @hnc-jglee 于 85 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#539 · 已指派 1 人 · 2026年5月31日 创建

  维护者通常 1 天内回复

• Poor image extraction

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 3/5 1-2 天 新手友好度 48/100

  opendataloader-project/opendataloader-pdf#531 · 3 条评论 · 2026年5月21日 创建

  维护者通常 1 天内回复

• Poor OCR extraction on low-resolution scanned PDF flyer in hybrid Docling mode

  可能重新可做 @bundolee 于 103 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#528 · 已指派 1 人 · 2026年5月20日 创建

  维护者通常 1 天内回复

• Poor Performance on Ko-En scanned PDF

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  question

  opendataloader-project/opendataloader-pdf#502 · 已指派 1 人 · 2026年5月14日 创建

  维护者通常 1 天内回复

• bug(cli): --to-stdout silently produces empty output for --format json or html

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 2/5 1-3 小时 新手友好度 72/100

  opendataloader-project/opendataloader-pdf#492 · 2026年5月8日 创建

  维护者通常 1 天内回复

• Inconsistent structural parsing (list vs paragraph) for similar financial tables

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  难度 4/5 3-5 天 新手友好度 48/100

  opendataloader-project/opendataloader-pdf#463 · 2026年4月29日 创建

  维护者通常 1 天内回复

• java.lang.OutOfMemoryError: Java heap space

  可能重新可做 @hnc-jglee 于 113 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#458 · 10 条评论 · 已指派 1 人 · 2026年4月28日 创建

  维护者通常 1 天内回复

• Feature request: long-running server mode to reuse a single JVM across multiple convert() calls

  可能重新可做 @hnc-jglee 于 84 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#456 · 1 条评论 · 已指派 1 人 · 2026年4月27日 创建

  维护者通常 1 天内回复

• Error handling in opendataloader.convert

  可能重新可做 @bundolee 于 104 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#451 · 1 条评论 · 已指派 1 人 · 2026年4月23日 创建

  维护者通常 1 天内回复

• Integrated Lifecycle Management for Hybrid Server

  可能重新可做 @bundolee 于 103 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  enhancement

  opendataloader-project/opendataloader-pdf#440 · 已指派 1 人 · 2026年4月16日 创建

  维护者通常 1 天内回复

• Java API: invalid file path crashes batch processing (CLI handles gracefully)

  可能重新可做 @hnc-jglee 于 111 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  opendataloader-project/opendataloader-pdf#430 · 1 条评论 · 已指派 1 人 · 2026年4月15日 创建

  维护者通常 1 天内回复

• 解析效果问题

  可能重新可做 @bundolee 于 103 天前认领，目前没有进行中的 PR。 未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消
  bug

  opendataloader-project/opendataloader-pdf#428 · 2 条评论 · 已指派 1 人 · 2026年4月15日 创建

  维护者通常 1 天内回复

• Add --dry-run flag to preview PDF processing without writing output

  未关闭

  ⋯反馈这个 Issue 的问题

  • 哪里不对？

  • 已被占
  • 不适合新手
  • 已失效
  • 其他…
  • 发送 取消

  难度 4/5 3-5 天 新手友好度 48/100

  opendataloader-project/opendataloader-pdf#412 · 1 条评论 · 2026年4月11日 创建

  维护者通常 1 天内回复