LiteParse（run-llama/liteparse）是 LlamaIndex 团队开源的一款「快而轻」的文档解析器，专注 PDF（以及 DOCX/XLSX/PPTX/图片）的本地高质量空间文本解析（带 bounding boxes），无专有 LLM 功能、无云依赖、全部本机运行。Rust 写核心，对外提供 Rust crate、Node.js/TypeScript（@llamaindex/liteparse）、WASM 浏览器版（@llamaindex/liteparse-wasm）、Python（pip liteparse）多语言绑定，跨 Linux/macOS（Intel/ARM）/Windows。Apache-2.0 许可，约 9,069 stars，主语言 Rust，文档 developers.llamaindex.ai/liteparse。README 明确把「复杂文档（密集表/多栏/图表/手写/扫描件）」引导到 LlamaIndex 的云端付费产品 LlamaParse，本仓库定位为开源「轻量」入口。
来源：README.md（介绍、Hitting the limits 段、Overview、徽章）；GitHub 仓库元数据（stars=9069、language=Rust、license=Apache-2.0、topics document-ocr/pdf-parser） 查看 GitHub 仓库 →做 RAG/AI 应用时文档解析是第一道关，开源选项往往体验割裂或要拼装。LiteParse 把 Rust 高性能解析 + Tesseract/HTTP/自定义 OCR + 屏幕截图 + 多语言绑定 + WASM 一包内提供，简单文档可纯本机跑出带坐标的结构化文本/JSON，体验比拼凑省心，因而 star 涨得快。需注意：README 同时承认「轻量」的能力边界，并把复杂文档（密集表格/多栏/手写/扫描）引导到云端付费产品 LlamaParse——这是有意识的开源引流到商业的设计。截至数据采集约 9,069 stars。
来源：README.md（Hitting the limits、Overview、徽章）；GitHub 仓库元数据（stars=9069、pushed_at 2026-06）PDFium 抽出带 bounding boxes 的空间文本，Grid Projection 重建版面。
来源：README.md（Overview、Mermaid 流程图）内置 Tesseract 零配置即用，也可接 HTTP/自定义（EasyOCR/PaddleOCR/自家服务），有标准 API。
来源：README.md（Overview 的 Flexible OCR System）Rust/Node.js/TypeScript/Python/浏览器（WASM）；Linux/macOS（Intel/ARM）/Windows。
来源：README.md（Overview）JSON（带 bbox）、保版式文本、页面截图，方便喂给 LLM 代理。
来源：README.md（Overview）LiteParse 核心是 Rust 实现的处理管道：输入 → Format Conversion（用 LibreOffice/ImageMagick 把 DOCX/XLSX/PPTX/图片转 PDF/图像）→ Text Extraction（PDFium C 库做空间文本抽取）→ Selective OCR（按需触发 Tesseract 内置或调用 HTTP/自定义 OCR 服务，如 EasyOCR/PaddleOCR）→ OCR Merge（原生文本与 OCR 结果合并）→ Grid Projection（重建空间版面）→ 输出（结构化 JSON 含 bounding boxes、保版式纯文本、屏幕截图 PNG）。语言绑定通过 NAPI/PyO3/WASM 暴露给 Node/Python/浏览器；OCR 有标准化 API 规范，方便接入自有 OCR 服务。
来源：README.md（Overview、Mermaid 流程图）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
PDFium（C 库）Tesseract（内置 OCR）LibreOffice / ImageMagick（格式转换）PyO3 / NAPI / wasm-bindgen（绑定）适合本地、隐私敏感、简单到中等复杂度的文档解析：RAG 前处理、合同/发票/页面截图提取、给 LLM 代理喂结构化文本与 bbox、浏览器内 PDF 解析（WASM）等。对密集表/多栏/手写/扫描等复杂文档，作者建议直接走云端付费 LlamaParse；若不愿付费/不愿出数据，可结合自家 OCR、自建管道补强。
来源：README.md（介绍、Hitting the limits、Overview）本页未列固定版本号；多包并行发布：crates.io（liteparse）、npm（@llamaindex/liteparse 与 liteparse-wasm）、PyPI（liteparse）。README 指出 V1 旧代码在分支 logan/liteparse-v1。仓库最后更新约在 2026 年 6 月初。
来源：README.md（徽章、V1 链接）；GitHub pushed_atLiteParse 是 LlamaIndex 团队开源的「快而轻」本地文档解析器：Rust 核心 + PDFium 空间解析 + 灵活 OCR（Tesseract/HTTP/自定义）+ 多语言绑定（含 WASM）+ 多平台，输出带 bbox 的结构化 JSON、保版式文本与页面截图，简单文档完全可纯本机跑通，对 RAG 前处理与本地隐私场景对口。要清楚作者明确把复杂文档（密集表/多栏/手写/扫描）引导到付费云产品 LlamaParse（中等强度商业引流），还需要按目标语言绑定安装相应系统依赖。整体是开源世界里靠谱的轻量解析器。
来源：综合 README.md 的定位、能力边界与商业化路径LiteParse（run-llama/liteparse）是 LlamaIndex 团队开源的一款「快而轻」的文档解析器，专注 PDF（以及 DOCX/XLSX/PPTX/图片）的本地高质量空间文本解析（带 bounding boxes），无专有 LLM 功能、无云依赖、全部本机运行。
liteparse 的核心功能包括：Rust 核心 + PDFium 空间解析、灵活 OCR、多语言、多平台、多种输出 + 屏幕截图。
做 RAG/AI 应用时文档解析是第一道关，开源选项往往体验割裂或要拼装。LiteParse 把 Rust 高性能解析 + Tesseract/HTTP/自定义 OCR + 屏幕截图 + 多语言绑定 + WASM 一包内提供，简单文档可纯本机跑出带坐标的结构化文本/JSON，体验比拼凑省心，因而 star 涨得快。
适合本地、隐私敏感、简单到中等复杂度的文档解析：RAG 前处理、合同/发票/页面截图提取、给 LLM 代理喂结构化文本与 bbox、浏览器内 PDF 解析（WASM）等。对密集表/多栏/手写/扫描等复杂文档，作者建议直接走云端付费 LlamaParse；若不愿付费/不愿出数据，可结合自家 OCR、自建管道补强。