上周我们重装了Liteparse，使其成为市面上最快的PDF解析器。Liteparse的一个被低估的地方是它不只给你文本。它还提供边界框，编码代理可以用它来精确回溯到原始文档。例如，查看我们在liteparse_samples中编译的深度研究技能：https://github.com/jerryjliu/liteparse_samples… 来看看liteparse：https://github.com/run-llama/liteparse… 我们正在努力让liteparse变得更好（例如Markdown支持）。请随时提交issue、PR，并告知我们您的功能需求。

jerryjliu/liteparse_samples

来源：https://github.com/jerryjliu/liteparse_samples

LiteParse 示例

交互式演示展示了 LiteParse（https://developers.llamaindex.ai/liteparse/）—— 一个由 LlamaIndex（https://www.llamaindex.ai）开发的快速、本地化、无模型的文档解析器。

示例

解析器对比

LiteParse vs PyPDF vs PyMuPDF 在真实政府和财务文档上的并排对比。左侧是原始PDF，右侧通过标签页切换每个解析器提取的文本。

解析器对比

快速开始： 在浏览器中打开 comparison/output/comparison.html。

特性：

• 来自5个真实世界PDF（FDIC、美联储、CMS、IRS、WHO）的8个文档章节
• 嵌入式PDF查看器与解析文本并列显示
• 每个解析器的文档处理时间

视觉引用

对解析文档进行精确关键词搜索——精确查看每个匹配出现在源PDF页面上的位置，并在页面图像上直接高亮显示边界框。这是一个简单的子字符串匹配演示（非模糊搜索或RAG搜索）。更多信息请参阅视觉引用指南（https://developers.llamaindex.ai/liteparse/guides/visual-citations/）。

视觉引用

快速开始： 在浏览器中打开 visual_citations/output/visual-citations.html。

特性：

• 所有文档的交互式关键词搜索
• 在渲染页面图像上叠加边界框
• 源页面与解析文本并排显示，匹配项高亮

研究文档（Claude Code 技能）

询问有关文档的问题——获得带有视觉源引用的答案。将其安装为 Claude Code（https://claude.com/claude-code）技能并使用 /research-docs 调用。该技能解析您的文档，让Claude回答您的问题，并生成一个HTML报告，其中包含答案和带有边界框高亮的引用源页面。

研究文档

安装：

npx skills add run-llama/liteparse_samples --skill research_docs

用法： /research-docs ./my-pdfs What is the total revenue?

特性：

• 解析LiteParse支持的任何文档（PDF、DOCX、PPTX、XLSX、图片）以及纯文本
• 基于AI的答案，带有精确引用的源引用
• 源页面图像上的边界框高亮
• 每个引用的PDF查看器切换
• 自包含的HTML报告

使用您自己的数据重新生成

1. 将您的PDF添加到 data/ 文件夹
2. 编辑相关示例文件夹中的 docs.json 以配置您的文档和页面
3. 安装依赖并运行：

pip install -r requirements.txt

# 重新生成比较
cd comparison && python generate.py

# 重新生成视觉引用
cd visual_citations && python generate.py

# 安装研究文档技能
cp -r research_docs ~/.claude/skills/research-docs
# 然后使用：/research-docs ./data "Your question here"

docs.json 格式

每个示例都有一个 docs.json，控制要处理的文档和页面：

[
  {
    "name": "我的文档标题",
    "file": "my_document.pdf",
    "pages": [0, 1, 2],
    "source": "example.com",
    "desc": "可选描述（仅用于比较）"
  }
]

• file：PDF文件名（必须存在于 data/ 中）
• pages：要解析的页码（从0开始）
• source：归属标签
• desc：在比较卡片中显示的描述（仅比较示例）

数据

包含的PDF是可公开获取的政府文档：

要求

• Python 3.9+
• 依赖：liteparse, pypdf, pymupdf（参见 requirements.txt）

pip install -r requirements.txt

链接

• LiteParse 文档（https://developers.llamaindex.ai/liteparse/）
• LiteParse GitHub（https://github.com/run-llama/liteparse）
• LlamaIndex（https://www.llamaindex.ai）

Jerry Liu (@jerryjliu0):

我们创建了世界上最快的PDF解析器 ⚡️

并且它比任何其他开源、无模型的PDF解析器（pymupdf、pypdf、markitdown、pdftotext、opendataloader、pymupdf4llm）都更准确

介绍LiteParse v2 - 我们将整个库重写为Rust。