銀行對帳單太亂？街口支付董事長開源工具，讓 PDF 變 AI 可讀 Markdown 

街口支付董事長梅驊近日在 GitHub 開源一款名為 doc-cleaner 的文件處理工具。該專案主打將 PDF、DOCX、XLSX 與純文字檔轉換為乾淨的結構化 Markdown，特別針對繁體中文金融文件設計，並支援完全離線運行。梅驊在專案介紹中寫道：「你的文件，不該為了整理而離開你的電腦。」

梅驊在社群平台表示，自己長期被信用卡對帳單、保險文件與投資報告困擾。這些文件不僅常出現 Big5 或 CP950 等舊式編碼造成的亂碼問題，表格格式也經常在轉檔過程中被破壞，甚至還附帶大量法律聲明或金融廣告。為了解決這些問題，他決定自行開發工具並將其開源。doc-cleaner 的主要功能是將雜亂的文件轉換為乾淨、結構化的 Markdown，方便直接匯入筆記系統或 AI 工具

專案連結：https://github.com/notoriouslab/doc-cleaner

金融個資不外露！doc-cleaner 主打本地轉換資料

doc-cleaner 的核心功能是將多種常見文件格式轉換為 Markdown。工具支援 PDF、Word、Excel、CSV 以及 TXT 等文件類型，並特別強調對表格的保留能力。DOCX 與 Excel 文件中的表格會直接轉換為 Markdown 的 pipe table 格式，使欄位與數據結構仍能完整保留。

在處理 PDF 時，doc-cleaner 會先自動判斷文件類型，再決定處理方式。如果文件屬於原生文字 PDF，系統會直接抽取內容；若版面結構破碎或文件屬於掃描影像，則可透過 AI 進行視覺解析與重建。這種分流機制可以避免不必要的 AI 呼叫，讓大多數文件在本地即可快速完成處理。

工具同時提供多種運行模式。使用者可以選擇完全離線模式，只提取文字與表格，不需任何 API 或雲端服務；也可以透過本地 AI 模型（例如 Ollama）或雲端模型 Gemini 進行文件結構化整理。若使用本地模型，所有資料都會在使用者電腦上處理，不會離開本機。

專為台灣金融文件設計，可與 AI Agent 整合

doc-cleaner 也針對台灣金融文件進行優化。許多銀行或保險文件在 PDF 尾端常包含大量法律聲明與投資風險提示，例如「謹慎理財，信用至上」等固定段落。系統可以透過正則規則自動截斷這些內容，避免無關資訊影響文件整理結果。

在安全機制方面，doc-cleaner 採用原子寫入方式，透過臨時檔與 os.replace() 確保輸出文件不會出現半完成狀態。API 金鑰與密碼也只能存放在 .env 檔案中，不會被加入 Git 版本控制。此外，若截斷規則可能刪除過多內容，系統會自動跳過處理以避免誤刪重要資料。

由於 doc-cleaner 是標準的 CLI 工具，也可以與 AI agent 系統整合，例如 OpenClaw 等框架。AI agent 可以透過 shell 指令呼叫工具，將文件轉換為 Markdown，並輸出 JSON 摘要供自動化流程使用。