LiteParse 是 LlamaIndex 团队维护的本地文档解析器，以 Rust 核心处理 PDF 空间文本、OCR、版面重建和多种输出，并提供 Python、Node.js、Rust 与 WASM 入口。
来源：github.com/run-llama/liteparse；https://github.com/run-llama/liteparse… 查看 GitHub 仓库 → 📘 使用教程 →LiteParse 的 Python、Node.js、Rust/CLI 与 WASM v2.14.6 于 2026-09-15 发布，项目仍在更新。
来源：github.com/run-llama/liteparse/releasesPDFium 提取文本与坐标，规则管道重建阅读顺序、标题、列表和表格，不依赖专有 LLM。
来源：github.com/run-llama/liteparse/blob/main/README.md内置 Tesseract，也可把页面交给 HTTP 或自定义 OCR；是否外发数据取决于所选后端。
来源：github.com/run-llama/liteparse/blob/main/README.md；https://github.com…同一 Rust 核心提供 lit CLI、Python、Node.js/TypeScript、Rust 库和浏览器 WASM。
来源：github.com/run-llama/liteparse/blob/main/README.md可输出 Markdown、文本、带 bounding box 的 JSON、截图、图片、表单字段和可选矢量路径。
来源：github.com/run-llama/liteparse/blob/main/README.md输入先按格式进入转换层；PDF 直接由 PDFium 提取，DOCX/XLSX/PPTX 等先转换。管道判断是否需要 OCR，把原生文本与 OCR 结果合并，再用 Grid Projection 和规则分类恢复空间布局。Rust 核心通过 PyO3、napi-rs 与 wasm-bindgen 提供多语言接口。
来源：github.com/run-llama/liteparse/blob/main/README.md按语言选择 liteparse 2.14.6 包非 PDF 格式可能需要 LibreOffice 或转换组件可选 HTTP OCR 服务无需模型 API key 完成本地基础解析适合 RAG 前处理、PDF 文本与坐标抽取、页面截图和简单表格恢复。复杂多栏、密集表格、图表、手写和旧扫描件仍可能失败；项目自己的基准也显示图表与数学类别存在明显短板，关键文档要人工抽查。
来源：github.com/run-llama/liteparse/blob/main/README.mdPython、Node.js、Rust/CLI 与 WASM v2.14.6 均在 2026-09-15 发布；Docker 页面当前列出 v2.14.5。2.14.6 增加页面方向修正和旋转传入能力。
来源：github.com/run-llama/liteparse/releasesstatus: official_docs_checked_not_run | checked_at: 2026-09-23 | environment: 核对官方 README、OCR API 规范、Releases 和各语言安装入口 | limitations: 未安装任何包，未加载 PDFium/Tesseract/LibreOffice，未解析 PDF，未调用 HTTP OCR、WASM、Docker 或 LlamaParse | observed_output: Python、Node.js、Rust/CLI 与 WASM 当前均有 2.14.6 Release；Docker 最新列为 2.14.5；README 说明本地规则解析、Tesseract 与 HTTP OCR 的不同边界
来源：github.com/run-llama/liteparse/releases；https://github.com/run-llama/…Microsoft MarkItDown 同样把多种文件转成适合 LLM 的 Markdown，并覆盖 Office、音频、HTML、ZIP、EPUB 和 URL。LiteParse 更集中于 PDF 空间布局、bbox、截图和可选 OCR。需要广格式文本转换时评估 MarkItDown；需要页级坐标与本地 PDF 版面信息时评估 LiteParse。
来源：github.com/microsoft/markitdown/blob/main/README.md；https://github.co…LiteParse 适合先用本地、无模型的方式提取 PDF 文本和坐标。是否采用应由自己的文档集决定；先关闭 OCR 建基线，再分别测试 Tesseract 和受控 HTTP OCR，不能把项目方基准直接当成生产结论。
来源：github.com/run-llama/liteparse/blob/main/README.md不需要。基础 PDFium 和内置 Tesseract 路径可在本机运行；HTTP OCR、远程 URL 和 LlamaParse 才会引入网络边界。
不是。Python、Node.js、Rust/CLI 与 WASM 已发布 2.14.6，而官方 Releases 页面列出的 Docker 最新版是 2.14.5，应按实际入口分别固定版本。
不能保证。README 明确说复杂文档质量会变化，项目基准中的图表与数学类别也很弱，关键结果必须对照原页抽查。
它会把待识别页面交给配置的 OCR 服务处理。服务地址、传输加密、日志和保留策略都属于新的数据边界。