LiteParse 多格式输入：Word、Excel、PPT、图片自动转 PDF

LiteParse 多格式输入Word、Excel、PPT、图片自动转 PDF【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparseLiteParse 是一款快速、轻量的开源文档解析工具支持多格式输入把 Word、Excel、PPT 等办公文档以及图片自动转换为 PDF再统一解析为 Markdown、JSON 或纯文本。全程本地运行无需云端服务是构建 RAG 流水线和 LLM 数据管道的理想选择。为什么需要多格式文档解析真实业务中的文档五花八门Word 报告、Excel 数据表、PPT 幻灯片、扫描图片和票据。传统做法是每种格式单独写一套处理逻辑繁琐且结果不一致。LiteParse 的思路是统一入口所有非 PDF 输入先自动转换成 PDF再走同一条解析管线输出带坐标bounding box的结构化文本。支持的输入格式一览类别支持的文件扩展名Word 文档.doc、.docx、.docm、.odt、.rtf、.pagesPPT 演示文稿.ppt、.pptx、.pptm、.odp、.keyExcel 电子表格.xls、.xlsx、.xlsm、.ods、.csv、.tsv、.numbers图片.jpg、.jpeg、.png、.gif、.bmp、.tiff、.webp、.svg一键安装步骤根据你的技术栈选择任意一种方式安装除 WASM 外均附带统一的lit命令行工具# Node.js / TypeScript npm i -g llamaindex/liteparse # Python pip install liteparse # Rust cargo install liteparse快速上手解析 Word、Excel、PPT 文档安装后直接把任意支持的文件传给lit parse即可无需手动转换格式# 解析 Word 报告输出 Markdown lit parse report.docx --format markdown -o output.md # 解析 Excel 表格输出结构化 JSON lit parse data.xlsx --format json -o output.json # 解析 PPT 幻灯片 lit parse slides.pptx办公文档的转换依赖 LibreOffice一次性安装即可# macOS brew install --cask libreoffice # Ubuntu / Debian apt-get install libreoffice # Windows choco install libreoffice-fresh Windows 用户可能需将 LibreOffice 的program目录加入 PATH 后重启终端。图片 OCR 解析票据、扫描件秒变文字图片输入无需任何外部依赖Rust 代码原生完成图片转 PDF随后由内置 Tesseract OCR 引擎提取文字——扫描的收据、合同、照片都能直接读取内容对扫描件或纯图片文档也可以先快速判断其复杂度再决定是否启用 OCRlit is-complex scan.png该命令会逐页输出是否需要 OCR 的判断结果方便你在批量处理前做路由和成本预估。批量解析整个文件夹一次搞定处理混合格式的目录同样简单PDF、docx、xlsx、png 可以放在一起lit batch-parse ./documents ./output --recursive工作原理自动检测、转换、清理LiteParse 的多格式输入背后是四步自动化流程检测文件扩展名判断输入类型非 PDF 自动转换办公文档交给 LibreOffice图片和 SVG 由 Rust 原生处理按标准 PDF 管线解析文本提取 可选 OCR 版面重建自动清理转换产生的临时文件相关实现可参考转换逻辑源码crates/liteparse/src/conversion.rs官方多格式文档位于docs/src/content/docs/liteparse/guides/multi-format.mdxRust 核心库说明见crates/liteparse/README.md。小结LiteParse 让Word、Excel、PPT、图片自动转 PDF不再需要手写胶水代码一条命令、本地运行、结构化输出。无论是给 LLM 喂数据、搭建 RAG 知识库还是简单地把办公文档变成可检索的 Markdown它都能快速上手。【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparse创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考