Parsr

收录理由

Parsr 能把 PDF、扫描图片、Word 文档和 EML 邮件转换成 JSON、Markdown、CSV 或 TXT 这类结构化数据。它不只是做 OCR，还会先清理文档、重建版面层级，识别出单词、行、段落，并标出标题、表格、列表、页码、页眉页脚等信息，让下游流程拿到的是规整的数据而不是杂乱的识别文本。对文档自动化、归档、数据录入这类场景挺有用，而且提供 Docker 镜像，自带一个界面，上手很快。不过要注意，这个项目已经停止维护，安全补丁也不再更新，更适合当作参考实现或学习素材，别把它作为长期依赖来用。