蜡笔猫导航
它能做什么
- Rust 编写的开源文档解析器，注重解析速度
- 支持 PDF 解析与 OCR 文本识别
- 从文档中抽取纯文本，便于后续处理
- Apache-2.0 许可，可自行部署与集成
适合谁
- 把 PDF 与扫描件转成文本，供 RAG 入库前清洗
- 为知识库或搜索系统批量准备文档内容
- 需要自托管文档解析环节的开发者
详细介绍
liteparse 是 LlamaIndex（run-llama）团队开源的一款文档解析库，用 Rust 实现，主打快速、轻量的本地解析。它提供带空间布局与边界框的文本解析，支持 PDF、Office 文档（DOCX/XLSX/PPTX）与图片（PNG/JPG），内置 Tesseract OCR，也可接入自建 OCR 服务；全部在本地运行，不依赖云服务、LLM 或 API Key。
输出方面支持 Markdown、JSON 与纯文本，Markdown 会保留标题、表格、列表、图片与链接，适合直接交给 LLM 或检索流程；还能检测文档复杂度，并提前把扫描件、多栏文档路由到合适的处理链路。
使用方式上，项目提供 CLI 以及 Rust、Node.js/TypeScript、Python 与浏览器（WASM）绑定，官网设有开发者文档入口，可按文档接入自己的处理流水线。
