liteparse

LiteParse 是一个快速、轻量且开源的文档解析工具，专注于PDF文件的高效解析。它基于PDF.js实现文本的空间解析，并提供灵活的OCR系统支持，包括内置Tesseract.js和可接入任意HTTP服务器的OCR服务，同时生成带有精确边界框信息的高质量页面截图。此外，LiteParse完全本地运行，无需依赖云端资源，支持多种输出格式（JSON和纯文本），适用于Linux、macOS及Windows平台。此工具非常适合需要在本地环境中处理PDF文档并提取其中文本信息的场景，如办公自动化、数据挖掘等。