大模型文档解析助手MegaParse！

项目简介

MegaParse 是一个功能强大且多功能的解析器，可以轻松处理各种类型的文档。无论您是处理文本、PDF、Powerpoint 演示文稿还是 Word 文档，MegaParse 都能满足您的需求。重点是在解析过程中不要丢失信息。

🎯 主要特点🎯

• 多功能解析器：MegaParse 是一个功能强大且多功能的解析器，可以轻松处理各种类型的文档。

• 无信息丢失：重点关注解析过程中没有信息丢失。

• 快速高效：设计以速度和效率为核心。

• 广泛的文件兼容性：支持文本、PDF、Powerpoint 演示文稿、Excel、CSV、Word 文档。

• 开源：自由是美丽的，MegaParse 也是如此。开源且免费使用。

支持

• 文件：✅ PDF ✅ Powerpoint ✅ Word

• 内容：✅ 表格 ✅ 目录 ✅ 页眉 ✅ 页脚 ✅ 图片

安装

pip install megaparse

用法

1. 将您的 OpenAI API 密钥添加到 .env 文件

2. 在您的计算机上安装 poppler（图像和 PDF）

3. 在您的计算机上安装 tesseract（图像和 PDF）

from megaparse.Converter import MegaParse
megaparse = MegaParse(file_path="./test.pdf")content = megaparse.convert()print(content)megaparse.save_md(content, "./test.md")

（可选）使用 LlamaParse 改进结果

1. 在 Llama Cloud 上创建一个帐户并获取您的 API 密钥。

2. 使用 llama_parse_api_key 参数调用 Megaparse

from megaparse.Converter import MegaParse
megaparse = MegaParse(file_path="./test.pdf", llama_parse_api_key="llx-your_api_key")content = megaparse.convert()print(content)

基准

越低越好

下一步

• 改进表解析

• 改进图像解析和描述

• 为 Docx 添加目录

• 添加 Docx 的超链接