megaparse
文件解析器，把PDF、Word、PowerPoint转换为适合LLM的格式并尽量不丢失信息，用于向AI模型输入文档。
分享到 X许可证: Apache-2.0
概述
MegaParse 是 Python 文件解析器，把文档转换成适合 LLM 摄取的格式，并力求不丢失信息。它支持 PDF、PowerPoint 和 Word，也列出了文本、Excel 和 CSV。可处理表格、目录、页眉、页脚和图片。项目开源，需要 Python 3.11 或更高版本，用 pip 安装。
主要特点
- 解析 PDF、PowerPoint 和 Word 文档
- 还列出 Excel、CSV 和纯文本支持
- 处理表格、页眉、页脚和图片
- 解析时力求不丢失信息
- Python 3.11 及以上用 pip 安装
适用场景
适合把办公文档送入 LLM 或 RAG 流程、希望保留文档结构的开发者。需要 Python 3.11 或更高版本。
- 上游仓库
- The-Vibe-Company/megaparse
- GitHub 上的 fork
- Guo-astro/megaparse
- 上游 Star 数
- 7.4k
- 分类
- 文档、媒体与内容
- 许可证
- Apache-2.0
- Fork 时间
- 2026-02-22
- 同步状态
- 已同步上次同步 2026-09-29
同分类更多: 文档、媒体与内容
基于Markdown的排版系统，可把文本转成论文、演示文稿、网站、书籍和知识库，并为Markdown增加脚本能力。
可将Word、PowerPoint、Excel、PDF等多种文档转换为干净Markdown的高速库，提供Node.js和Python接口。
在你的仓库中生成完整Astro文档站点的脚手架，文件可直接编辑，让人和AI代理都能方便使用文档。
PowerPoint的替代品，整个演示文稿就是一个HTML文件，内含查看、演示和编辑功能，任何浏览器都能打开。