run-llama/liteparse

¿Qué es?

Funciones clave

• 01Extracción espacial de texto con cuadros delimitadores mediante PDFium
• 02OCR integrado con Tesseract o cualquier servidor HTTP de OCR que cumpla con la API publicada
• 03Salida en Markdown, JSON y texto sin formato, incluidas tablas y bloques de diseño
• 04Análisis de complejidad para enrutar o rechazar documentos antes de procesarlos por completo
• 05Capturas de página para agentes LLM y procesamiento por lotes de directorios
• 06Bindings para Rust, Node.js, Python y WASM en el navegador

Casos de uso

• Incorporar PDF y documentos de Office a pipelines de RAG como Markdown limpio
• Convertir por lotes una carpeta de informes a JSON con datos posicionales
• Clasificar una cola de documentos para identificar qué archivos necesitan OCR antes de procesarlos
• Ejecutar el procesamiento de documentos en un navegador o en un entorno aislado localmente

Inicio rápido

1. 1

   Instala la CLI con npm

   npm i -g @llamaindex/liteparse
2. 2

   Analiza un documento y conviértelo a Markdown

   lit parse document.pdf --format markdown -o output.md

Antes de usarlo

• !El OCR integrado y el análisis avanzado de documentos escaneados o complejos requieren configuración adicional o el servicio de pago en la nube LlamaParse.
• !Los resultados en las pruebas de gráficos, matemáticas y escritura a mano son modestos; no ofrece un buen rendimiento en estos casos.

Temas

Preguntas frecuentes

¿Qué es liteparse?

Un parser rápido y local de PDF y documentos en Rust, con extracción de texto mediante cuadros delimitadores, OCR con Tesseract o HTTP y salida en Markdown, JSON o texto. LiteParse es un parser de PDF independiente y de código abierto, centrado en la extracción espacial de texto de forma rápida y ligera. Usa PDFium para extraer texto con cuadros delimitadores y funciona íntegramente en la máquina local, sin funciones de LLM ni llamadas a la nube. Primero convierte los archivos de Office y las imágenes a PDF mediante LibreOffice o el pipeline de imágenes integrado en Rust; después los procesa.

¿liteparse es gratuito? ¿Qué licencia tiene?

liteparse es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿liteparse sigue mantenido?

Mantenimiento activo. El último commit de liteparse fue el 12 oct 2026.

¿Para qué puedo usar liteparse?

Incorporar PDF y documentos de Office a pipelines de RAG como Markdown limpio Convertir por lotes una carpeta de informes a JSON con datos posicionales Clasificar una cola de documentos para identificar qué archivos necesitan OCR antes de procesarlos Ejecutar el procesamiento de documentos en un navegador o en un entorno aislado localmente

¿Cómo se instala liteparse?

Instala la CLI con npm: npm i -g @llamaindex/liteparse Analiza un documento y conviértelo a Markdown: lit parse document.pdf --format markdown -o output.md

¿Dónde consigo liteparse?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/run-llama/liteparse