3 分钟上手 LiteParse CLIlit 命令完全指南【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是一款开源、免费的轻量级文档解析工具其核心命令行lit能把 PDF、Word、Excel、图片等文档快速转换为 Markdown、JSON 或纯文本。全程本地运行无需上传云端特别适合给 LLM 和 RAG 知识库喂数据。本文带你 3 分钟掌握lit命令的四大子命令与常用选项。为什么选择 LiteParse在动手之前先花 30 秒了解 LiteParse 的独特卖点⚡快而轻基于 PDFium 的纯本地空间文本解析带精确的 bounding box 坐标多格式输入PDF、DOCX、XLSX、PPTX、图片PNG/JPG/TIFF 等统统支持三种输出Markdown带标题、表格、列表、链接、JSON带坐标的 structured 数据、纯文本灵活 OCR内置 Tesseract 零配置开箱即用也可接入 EasyOCR、PaddleOCR 等 HTTP 服务️截图生成一键把页面渲染成 PNG方便让 LLM 看 文档它的全部能力都在一条命令背后——lit。一键安装步骤三种方式任选无论你喜欢 Node.js、Python 还是 Rust安装方式都遵循一条命令原则# Node.js / TypeScript npm i -g llamaindex/liteparse # Python pip install liteparse # Rust也可直接使用 cargo 生态 cargo install liteparse安装完成后验证一下lit --version三种渠道装出来的 CLI 完全相同官方对 CLI 全量参考文档 的描述是无论通过 npm、pip 还是 Rust 源码构建lit的行为都一致。lit 命令四大子命令总览lit提供 4 个核心子命令覆盖了文档解析的完整工作流子命令作用典型场景lit parse解析单个文档为 text/markdown/json日常主力命令lit batch-parse批量解析整个目录批量构建知识库lit screenshot把页面渲染成 PNG 图片给 LLM Agent 提供视觉输入lit is-complex低成本预检文档复杂度决定是否需要 OCR 分流命令定义可以追溯到 main.rs 中的参数声明每个选项都有详尽的注释。lit parse把任意文档变成 Markdown这是最高频的命令一条命令搞定# 默认输出纯文本 lit parse document.pdf # 输出带标题、表格、列表、链接的 Markdown —— 喂给 LLM 的最佳选择 lit parse document.pdf --format markdown -o output.md # 输出带 bounding box 的结构化 JSON lit parse document.pdf --format json -o output.json只解析部分页用--target-pages指定页码范围格式很直观lit parse document.pdf --target-pages 1-5,10,15-20除了 PDFLiteParse 还能直接解析图片文件。比如下面这张项目自带的收据样本就能通过 OCR 识别出商品、金额和税费# 直接解析图片自动走 OCR lit parse receipt.png --format markdown另外文档加密也不怕——加一个--password选项即可解锁受保护的 PDFlit parse secret.pdf --password 你的密码 --format markdown给 LLM 喂数据时的进阶技巧Markdown 模式下还有几个非常实用的小开关--image-mode off去掉图片占位符只保留文字--no-links链接输出为纯文本避免text干扰模型--extract-images --image-output-dir ./images把内嵌图片真正提取到磁盘小贴士Markdown 重建是启发式规则引擎复杂双栏文档建议使用--format json获取原始空间数据精度更可控。lit batch-parse一键批量转换整个目录构建 RAG 知识库时文档往往是一整个文件夹。batch-parse让你告别写循环脚本# 把 ./documents 里所有受支持格式的文件解析到 ./output lit batch-parse ./documents ./output --format markdown # 递归子目录 只处理 PDF lit batch-parse ./documents ./output --recursive --extension .pdf输出文件会镜像输入目录结构方便逐一对应。跑完还会打印成功 N 个 / 失败 M 个的汇总统计。lit screenshot给 LLM Agent 的眼睛纯文本会丢失图表和版面信息screenshot子命令负责补上这块短板# 全部页面截图默认输出到 ./screenshots lit screenshot document.pdf -o ./pages # 只截第 1、3、5 页300 DPI 高清渲染 lit screenshot document.pdf --target-pages 1,3,5 --dpi 300生成的page_N.png可以直接交给多模态 LLM让模型看到页面上的图表、手写批注等文本层无法覆盖的内容。lit is-complex3 秒判断文档要不要上 OCR不是所有文档都值得跑一遍昂贵的 OCR。is-complex只做一次廉价的文本层扫描就能给出结论lit is-complex document.pdf它会输出逐页 JSON 和SIMPLE/COMPLEX判定并且在需要 OCR 时返回非零退出码——这意味着它可以直接当 shell 判断条件用# 文档简单 → 跳过 OCR 直接解析复杂 → 走完整流程 lit is-complex document.pdf --quiet lit parse document.pdf --no-ocr这是做文档分流routing、控制处理成本的神器。常用选项速查表选项说明默认值--format json\|text\|markdown输出格式text-o, --output file输出到文件而非终端打印到终端--no-ocr关闭 OCROCR 开启--ocr-language langOCR 语言如eng、fra、deueng--ocr-server-url url接入外部 HTTP OCR 服务使用内置 Tesseract--dpi n渲染分辨率150--target-pages pages指定页码如1-5,10全部页面-q, --quiet静默模式只输出结果显示进度完整参数包括--extract-form-fields、--extract-blocks等 10 余个 JSON 增强开关请查阅 cli-reference.md。如果对自定义 OCR 服务感兴趣ocr/ 目录下提供了 EasyOCR、PaddleOCR、SuryaOCR 三套现成的 Docker 示例服务。小结你的 LiteParse 上手清单✅ 安装pip install liteparse或 npm / cargo✅ 日常解析lit parse 文件 --format markdown✅ 批量任务lit batch-parse 输入目录 输出目录✅ 视觉增强lit screenshot 文件 -o ./pages✅ 成本分流lit is-complex 文件先探路再决定要不要 OCRLiteParse 的所有解析都在本地完成文档不出机器隐私无忧。结合 README.md 中的架构说明与 OCR 服务规范你可以按需扩展自己的解析流水线。现在打开终端敲下第一条lit parse吧 【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 3 分钟上手 LiteParse CLI：lit 命令完全指南
3 分钟上手 LiteParse CLIlit 命令完全指南【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是一款开源、免费的轻量级文档解析工具其核心命令行lit能把 PDF、Word、Excel、图片等文档快速转换为 Markdown、JSON 或纯文本。全程本地运行无需上传云端特别适合给 LLM 和 RAG 知识库喂数据。本文带你 3 分钟掌握lit命令的四大子命令与常用选项。为什么选择 LiteParse在动手之前先花 30 秒了解 LiteParse 的独特卖点⚡快而轻基于 PDFium 的纯本地空间文本解析带精确的 bounding box 坐标多格式输入PDF、DOCX、XLSX、PPTX、图片PNG/JPG/TIFF 等统统支持三种输出Markdown带标题、表格、列表、链接、JSON带坐标的 structured 数据、纯文本灵活 OCR内置 Tesseract 零配置开箱即用也可接入 EasyOCR、PaddleOCR 等 HTTP 服务️截图生成一键把页面渲染成 PNG方便让 LLM 看 文档它的全部能力都在一条命令背后——lit。一键安装步骤三种方式任选无论你喜欢 Node.js、Python 还是 Rust安装方式都遵循一条命令原则# Node.js / TypeScript npm i -g llamaindex/liteparse # Python pip install liteparse # Rust也可直接使用 cargo 生态 cargo install liteparse安装完成后验证一下lit --version三种渠道装出来的 CLI 完全相同官方对 CLI 全量参考文档 的描述是无论通过 npm、pip 还是 Rust 源码构建lit的行为都一致。lit 命令四大子命令总览lit提供 4 个核心子命令覆盖了文档解析的完整工作流子命令作用典型场景lit parse解析单个文档为 text/markdown/json日常主力命令lit batch-parse批量解析整个目录批量构建知识库lit screenshot把页面渲染成 PNG 图片给 LLM Agent 提供视觉输入lit is-complex低成本预检文档复杂度决定是否需要 OCR 分流命令定义可以追溯到 main.rs 中的参数声明每个选项都有详尽的注释。lit parse把任意文档变成 Markdown这是最高频的命令一条命令搞定# 默认输出纯文本 lit parse document.pdf # 输出带标题、表格、列表、链接的 Markdown —— 喂给 LLM 的最佳选择 lit parse document.pdf --format markdown -o output.md # 输出带 bounding box 的结构化 JSON lit parse document.pdf --format json -o output.json只解析部分页用--target-pages指定页码范围格式很直观lit parse document.pdf --target-pages 1-5,10,15-20除了 PDFLiteParse 还能直接解析图片文件。比如下面这张项目自带的收据样本就能通过 OCR 识别出商品、金额和税费# 直接解析图片自动走 OCR lit parse receipt.png --format markdown另外文档加密也不怕——加一个--password选项即可解锁受保护的 PDFlit parse secret.pdf --password 你的密码 --format markdown给 LLM 喂数据时的进阶技巧Markdown 模式下还有几个非常实用的小开关--image-mode off去掉图片占位符只保留文字--no-links链接输出为纯文本避免text干扰模型--extract-images --image-output-dir ./images把内嵌图片真正提取到磁盘小贴士Markdown 重建是启发式规则引擎复杂双栏文档建议使用--format json获取原始空间数据精度更可控。lit batch-parse一键批量转换整个目录构建 RAG 知识库时文档往往是一整个文件夹。batch-parse让你告别写循环脚本# 把 ./documents 里所有受支持格式的文件解析到 ./output lit batch-parse ./documents ./output --format markdown # 递归子目录 只处理 PDF lit batch-parse ./documents ./output --recursive --extension .pdf输出文件会镜像输入目录结构方便逐一对应。跑完还会打印成功 N 个 / 失败 M 个的汇总统计。lit screenshot给 LLM Agent 的眼睛纯文本会丢失图表和版面信息screenshot子命令负责补上这块短板# 全部页面截图默认输出到 ./screenshots lit screenshot document.pdf -o ./pages # 只截第 1、3、5 页300 DPI 高清渲染 lit screenshot document.pdf --target-pages 1,3,5 --dpi 300生成的page_N.png可以直接交给多模态 LLM让模型看到页面上的图表、手写批注等文本层无法覆盖的内容。lit is-complex3 秒判断文档要不要上 OCR不是所有文档都值得跑一遍昂贵的 OCR。is-complex只做一次廉价的文本层扫描就能给出结论lit is-complex document.pdf它会输出逐页 JSON 和SIMPLE/COMPLEX判定并且在需要 OCR 时返回非零退出码——这意味着它可以直接当 shell 判断条件用# 文档简单 → 跳过 OCR 直接解析复杂 → 走完整流程 lit is-complex document.pdf --quiet lit parse document.pdf --no-ocr这是做文档分流routing、控制处理成本的神器。常用选项速查表选项说明默认值--format json\|text\|markdown输出格式text-o, --output file输出到文件而非终端打印到终端--no-ocr关闭 OCROCR 开启--ocr-language langOCR 语言如eng、fra、deueng--ocr-server-url url接入外部 HTTP OCR 服务使用内置 Tesseract--dpi n渲染分辨率150--target-pages pages指定页码如1-5,10全部页面-q, --quiet静默模式只输出结果显示进度完整参数包括--extract-form-fields、--extract-blocks等 10 余个 JSON 增强开关请查阅 cli-reference.md。如果对自定义 OCR 服务感兴趣ocr/ 目录下提供了 EasyOCR、PaddleOCR、SuryaOCR 三套现成的 Docker 示例服务。小结你的 LiteParse 上手清单✅ 安装pip install liteparse或 npm / cargo✅ 日常解析lit parse 文件 --format markdown✅ 批量任务lit batch-parse 输入目录 输出目录✅ 视觉增强lit screenshot 文件 -o ./pages✅ 成本分流lit is-complex 文件先探路再决定要不要 OCRLiteParse 的所有解析都在本地完成文档不出机器隐私无忧。结合 README.md 中的架构说明与 OCR 服务规范你可以按需扩展自己的解析流水线。现在打开终端敲下第一条lit parse吧 【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