#81 · 主分类： 知识库与企业搜索
MegaParse
面向LLM摄入优化的文件解析器，无损失 🧠 将PDF、Docx、PPTx解析为适合LLM的格式。
项目最后更新：02/21/25
GitHub Stars
7.4K
Forks数量
417
贡献者数量
6
许可证
Apache-2.0
收录理由
MegaParse 解决的是实际工作中很头疼的问题：把排版混乱的 PDF、Word 和幻灯片转成 LLM 能直接消化的干净文本，同时不丢表格、页眉页脚和整体页面结构。做检索管线的团队，如果受够了简单文本抽取把版面搞得乱七八糟，会发现这是一个更靠谱的起点。除了纯文本处理，它还提供视觉模式，用多模态模型像人一样去读文档。输出格式考虑到了后续的分块和向量化，所以很适合用来做文件问答或搜索类功能。安装是 Python 包，也能作为轻量本地 API 跑起来，接入现有流程不会费太多事。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，将前沿 RAG 与 Agent 能力融合，为大型语言模型（LLM）打造卓越的上下文层。
Understand-Anything
教学型图表优于炫技型图表。将任意代码转化为可探索、搜索和提问的交互式知识图谱。支持Claude Code、Codex、Cursor、Copilot、Gemini CLI等。
crawl4ai
🚀🤖 Crawl4AI：开源的、对LLM友好的网页爬虫与抓取工具。别害羞，加入这里：https://discord.gg/jP8KfhDhyN
docling
为生成式AI准备文档
anything-llm
停止租用你的智能。用AnythingLLM拥有它。你需要的一切，实现强大的本地优先智能体体验。