1.在ppstructure管道中添加latex_ocr公式识别功能；2.添加pdf转markdown文件功能

[ztyf-lq]

前言

尊敬的 ppocr 官方人员您好，我是一名 ppocr 项目的使用者，在日常工作学习中我都会用到ppocr，我深感 ppocr 的强大之处！同时能为 ppocr 做贡献也是我非常想要做的事情。非常期待您在百忙之中看看我写的代码是否是 ppocr 所需要的。

改动如下：

1. 在 ppstructure 管道中添加 latex_ocr 公式识别功能；
   a. 修改 ppstructure/predict_system.py 文件中 StructureSystem 类，添加 latex_ocr 模型和布局为公式的区域处理；
   b. 由于 docx 中不支持插入 latex 公式，在 ppstructure/recovery/recovery_to_doc.py 文件中 convert_info_docx 函数中跳过latex公式；
   c. 在 ppstructure/utility.py 中 draw_structure_result 函数中可视化 ocr 结果中跳过 latex 公式；
2. 添加 pdf 转 markdown 文件功能
   a. 在目录 ppstructure/recovery 下添加文件 recovery_to_markdown.py，其中程序功能为转换ppstructure识别结果为markdown文件。其中对于文本区域处理目前给出了两种处理方法，第一种为每一个自然段分割标志位开头两个空格,第二种为每个自然段开头没有空格，这种情况下以每个自然段最后一行一般不会是“满行”，而是会留有空余空间；
   b. ppstructure/predict_system.py 文件中调用转换 ppstructure 识别结果到 markdown 文件的函数；
3. 添加必要的命令行参数选项；
   a. 添加 latex_ocr 公式识别模型必要的参数；
   b. 添加 recovery_to_markdown 选项达到开启/关闭转换 ppstructure 识别结果到 markdown 文件；
   c. 添加 formula 选项达到开启/关闭latex公式识别；

如果我的代码恰巧是 ppocr 所需要的，后续我会跟进官方人员的建议并且在版面恢复文档中添加 pdf 转 markdown 文件的教程。

[CLAassistant]

All committers have signed the CLA.

[GreatV]

感谢大佬的贡献

[GreatV]

@liuhongen1234567 大佬，麻烦review一下这个PR。

[GreatV]

建议更新一下文档，说明使用方法。由于我们的文档站点还在迁移中，所以需要更新两个地方。

ppstructure

• https://github.com/PaddlePaddle/PaddleOCR/blob/main/ppstructure/docs/quickstart.md
• https://github.com/PaddlePaddle/PaddleOCR/blob/main/ppstructure/docs/quickstart_en.md

docs

• https://github.com/PaddlePaddle/PaddleOCR/blob/main/docs/ppstructure/quick_start.md
• https://github.com/PaddlePaddle/PaddleOCR/blob/main/docs/ppstructure/quick_start.en.md

[ztyf-lq]

您好，我后续有更新文档的打算，最近可能使用ppocr复现其他的项目，更新文档的时间最晚会在十月。