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。
挑一个能复现的小 issue，用 AI 编程助手把它修好。
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 2026-10-19