开源推荐 morning

GitHub 热门项目：MegaParse

摘要

GitHub项目：MegaParse 仓库地址：https://github。com/QuivrHQ/MegaParse Stars：7377 | 作者：QuivrHQ 项目描述：File Parser optimised for LLM Ingestion with no loss。

MegaParse and megaparse with parser

2026-05-26 1 阅读 约6分钟阅读 GitHub Trending

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。重点关注解析过程中不丢失信息。 ## 主要特点? - **多功能解析器**：MegaParse 是一款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**：自由是美好的，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 ### 示例 https://github.com/QuivrHQ/MegaParse/assets/19614572/1b4cdb73-8dc2-44ef-b8b4-a7509bc8d4f3 ## 安装 所需的Python版本> = 3.11 ````bash pip 安装 megaparse ```` ## 用法 1. 将 OpenAI 或 Anthropic API 密钥添加到 .env 文件中 2. 在计算机上安装 poppler（图像和 PDF） 3. 在计算机上安装 tesseract（图像和 PDF） 4.如果你有mac，还需要安装libmagic``brew install libmagic``` 按原样使用 MegaParse ： ````蟒蛇 从 megaparse 导入 MegaParse 从 langchain_openai 导入 ChatOpenAI megaparse = MegaParse() 响应 = megaparse.load("./test.pdf") 打印（响应） ```` ### 使用 MegaParse 视觉 ````蟒蛇 从 megaparse.parser.megaparse_vision 导入 MegaParseVision model = ChatOpenAI(model="gpt-4o", api_key=os.getenv("OPENAI_API_KEY")) # 类型：忽略 解析器 = MegaParseVision(模型=模型) 响应 = parser.convert("./test.pdf") 打印（响应） ```` **注意**：MegaParse Vision 支持的模型是多模态模型，例如 claude 3.5、claude 4、gpt-4o 和 gpt-4。 ## 用作 API 有一个适合您的 MakeFile，只需使用： ``制作开发```` 在项目的根部，你就可以开始了。 有关不同端点的更多信息，请参阅 localhost:8000/docs ！ ## 基准测试 |解析器|相似率| | -------------------------------------- | ---------------- | | megaparse_vision | 0.87 | 0.87 |带有检查表的非结构化| 0.77 | 0.77 |非结构化| 0.59 | 0.59 |骆驼解析器 | 0.33 | 0.33 _越高越好_ 注意：想要评估您的 Megaparse 模块并将其与我们的进行比较吗？请在 ```evaluations/script.py``` 中添加您的配置，然后运行 ​​```python evaluations/script.py```。如果更好的话，做一个 PR，我的意思是，让我们一起走得更高。 ## 在建筑中