Repolode
提交项目
run-llama

run-llama/liteparse

一款基于 Rust 的快速本地文档解析工具，支持带坐标的文本提取、OCR 和 Markdown/JSON 输出。

可替代:Adobe Acrobat

在 GitHub 查看官网
Star
12,884
Fork
886
未关闭 Issue
44
最近提交
8天前

这是什么？

LiteParse 是一个独立的开源 PDF 解析工具，专注于快速、轻量的带坐标文本提取。它基于 PDFium 提取文字及其边界框，全部在本地运行，不依赖 LLM 或云端服务。DOCX、XLSX、PPTX 和图片会先通过 LibreOffice 或内置的 Rust 图像流程转换为 PDF，再进行解析。

输出格式包括：还原了标题、表格、列表和链接的 Markdown，带文本和版面块的结构化 JSON，以及保留版式的纯文本。需要 OCR 的页面可使用内置的 Tesseract，也可接入任意遵循 OCR API 规范的 HTTP 服务，如 EasyOCR、PaddleOCR 封装。内置的复杂度检测命令可在完整解析前判断哪些页面需要 OCR。

项目核心使用 Rust 编写，提供 Node.js、Python、浏览器 WASM 绑定以及 `lit` 命令行工具，支持 Linux、macOS 和 Windows。

核心功能

  • 01基于 PDFium 的带边界框文本提取
  • 02内置 Tesseract OCR，也可接入任意遵循 API 规范的 HTTP OCR 服务
  • 03输出 Markdown、JSON 和纯文本，包含表格与版面块
  • 04完整解析前可检测文档复杂度，用于分流或拒绝处理
  • 05支持页面截图和整个目录的批量解析
  • 06提供 Rust、Node.js、Python 及浏览器 WASM 绑定

适用场景

  • 将 PDF 和 Office 文档转换为干净的 Markdown，用于 RAG 流程
  • 批量把报告目录转换为带位置信息的 JSON
  • 解析前筛查文档队列，找出需要 OCR 的文件
  • 在浏览器或本地隔离环境中运行文档解析

快速上手

  1. 1

    通过 npm 安装命令行工具

    npm i -g @llamaindex/liteparse
  2. 2

    将文档解析为 Markdown

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

使用前须知

  • 扫描件或复杂文档的 OCR 和高级解析需要额外配置，或改用付费云服务 LlamaParse。
  • 在图表、数学公式和手写文本上基准得分较低，表现有限。

标签

#pdf#pdf-parser#ocr#text-extraction#document-processing#rust#markdown#document-ocr#ocr-recognition

常见问题

liteparse 是什么？
一款基于 Rust 的快速本地文档解析工具，支持带坐标的文本提取、OCR 和 Markdown/JSON 输出。 LiteParse 是一个独立的开源 PDF 解析工具，专注于快速、轻量的带坐标文本提取。它基于 PDFium 提取文字及其边界框，全部在本地运行，不依赖 LLM 或云端服务。DOCX、XLSX、PPTX 和图片会先通过 LibreOffice 或内置的 Rust 图像流程转换为 PDF，再进行解析。
liteparse 可以免费使用吗？用的什么许可证？
liteparse 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
liteparse 还在维护吗？
活跃维护中。liteparse 最近一次提交是在 2026年10月12日。
liteparse 适合用来做什么？
将 PDF 和 Office 文档转换为干净的 Markdown，用于 RAG 流程 批量把报告目录转换为带位置信息的 JSON 解析前筛查文档队列，找出需要 OCR 的文件 在浏览器或本地隔离环境中运行文档解析
liteparse 怎么安装和运行？
通过 npm 安装命令行工具: npm i -g @llamaindex/liteparse 将文档解析为 Markdown: lit parse document.pdf --format markdown -o output.md
在哪里获取 liteparse？
源代码和安装说明在 GitHub 上：https://github.com/run-llama/liteparse

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目