LiteParse：开源轻量 PDF 解析工具，多格式支持、多语言适配，功能强大！

功能概述

LiteParse 是独立开源 PDF 解析工具，专注快速轻量解析，提供高质量空间文本解析与边界框，无需大语言模型和云服务，本地处理。复杂文档用 LlamaParse 效果更好。其具有快速文本解析、灵活 OCR 系统、标准 API、截图生成等功能，支持多种输出格式、多语言和多平台。

流程图

展示了输入格式、Rust 核心处理、输出以及语言绑定的流程。

安装方式

可通过包管理器安装，除 WASM 版本外都有 `lit` CLI。不同语言有不同安装命令和对应文档。

代理技能运用

可将 `liteparse` 作为代理技能，通过技能 CLI 工具下载或复制 `SKILL.md` 文件到自己的技能配置中。

CLI 使用方法

包括解析文件、批量解析和生成截图的命令及示例。

CLI 参考

解析命令、批量解析命令和截图命令的选项说明。

OCR 设置

默认使用 Tesseract，可直接使用，也可指定语言或禁用。对于离线或隔离环境有相应设置方法。还可使用 HTTP OCR 服务器，有现成示例包装器，需实现特定 API 规范。

多格式输入支持

支持将办公文档和图片自动转换为 PDF 进行解析，分别介绍了不同格式及安装相应软件的方法。

环境变量

介绍了 `TESSDATA_PREFIX` 变量的作用。

开发相关

项目是 Rust 工作区，包含核心库和特定语言绑定 crate，还介绍了构建方法，并建议参考 `AGENTS.md`/`CLAUDE.md`。

许可证

Apache 2.0。

致谢

项目基于 PDFium、Tesseract 等多种技术构建。