run-llama/liteparse

これは何？

主な機能

• 01PDFiumを使った、バウンディングボックス付きの空間情報を含むテキスト抽出
• 02組み込みのTesseract OCR、または公開APIに準拠する任意のHTTP OCRサーバー
• 03表やレイアウトブロックを含む、Markdown・JSON・プレーンテキストでの出力
• 04全体を解析する前に、文書の振り分けや除外に使える複雑度チェック
• 05LLMエージェント向けのページスクリーンショットと、ディレクトリの一括解析
• 06Rust、Node.js、Python、ブラウザー上のWASM向けバインディング

ユースケース

• PDFやOffice文書を、整形されたMarkdownとしてRAGパイプラインに取り込む
• レポートのフォルダーを、位置情報付きJSONに一括変換する
• 解析前に文書キューを振り分け、OCRが必要なファイルを特定する
• ブラウザー内やローカルの隔離環境で文書解析を実行する

クイックスタート

1. 1

   npm で CLI をインストール

   npm i -g @llamaindex/liteparse
2. 2

   ドキュメントを解析して Markdown に変換

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

使う前に知っておきたいこと

• !スキャン文書や複雑な文書で組み込み OCR と高度な解析を利用するには、追加のセットアップか有料のクラウドサービス LlamaParse が必要です。
• !グラフ、数式、手書き文字のベンチマークスコアは控えめで、これらの解析は得意ではありません。

トピック

よくある質問

liteparse とは？

バウンディングボックス付きテキスト抽出、TesseractまたはHTTP OCR、複数形式の出力に対応する高速なRust製ローカル文書パーサー。 LiteParseは、高速かつ軽量な空間情報付きテキスト抽出に特化した、スタンドアロンのオープンソースPDFパーサーです。PDFiumを使ってバウンディングボックス付きでテキストを抽出し、LLM機能やクラウドへの呼び出しを使わず、すべてローカルマシン上で動作します。Officeファイルや画像は、LibreOfficeまたは組み込みのRust画像処理パイプラインでPDFに変換してから解析します。

liteparse は無料で使えますか？ライセンスは？

liteparse は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

liteparse は今もメンテナンスされていますか？

活発にメンテナンス中。liteparse の最終コミットは 2026年10月12日 です。

liteparse は何に使えますか？

PDFやOffice文書を、整形されたMarkdownとしてRAGパイプラインに取り込む レポートのフォルダーを、位置情報付きJSONに一括変換する 解析前に文書キューを振り分け、OCRが必要なファイルを特定する ブラウザー内やローカルの隔離環境で文書解析を実行する

liteparse のインストール方法は？

npm で CLI をインストール: npm i -g @llamaindex/liteparse ドキュメントを解析して Markdown に変換: lit parse document.pdf --format markdown -o output.md

liteparse はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/run-llama/liteparse