Parsr

不活跃
GitHub JavaScript Apache-2.0

简介

将 PDF、文档和图片转换为结构化数据的文档处理管道，支持表格识别、阅读顺序还原和 Markdown 输出。

核心特性

  • 多格式文档解析：支持 PDF、DOCX、图片和 EML 文件，轻量级部署
  • 结构化输出：支持 JSON、Markdown、CSV/Pandas DataFrame 和 TXT 格式
  • 文档结构检测：标题、表格、列表、目录、页码、页眉/页脚和链接
  • 表格识别与提取，还原阅读顺序，准确保留内容
  • 基于 Docker 的部署，提供 GUI 用于文档提交和结果可视化
  • Python 客户端和 Jupyter Notebook 集成，支持编程式文档处理

适用场景

💡 保险和金融文档的自动数据录入和文档分析自动化
💡 将扫描的 PDF 和图像转换为结构化的机器可读数据，供下游处理
💡 遗留文档的归档和数字化，保持正确的阅读顺序和结构
💡 RAG 流水线预处理：从文档中提取干净的文本和结构化数据供 AI 摄入

标签

javascript rag tools data-processing automation

分类

📚 RAG 工具

快速开始

docker pull axarev/parsr
docker run -p 3001:3001 axarev/parsr

# API 运行在 http://localhost:3001
# 安装 Python 客户端：
pip install parsr-client

# 或使用 GUI：
docker run -t -p 8080:80 axarev/parsr-ui-localhost:latest
访问 GitHub

相关项目