|

|

|

|

|

| 문서

영어 | 简体中文

LiteParse V1을 찾고 계신가요? 이 링크를 따라 옛 코드를 확인하세요

LiteParse는 빠르고 가벼운 파싱에만 집중한 독립형 OSS PDF 파싱 도구입니다. 독점 LLM 기능이나 클라우드 의존성 없이 고품질의 공간 텍스트 파싱을 바운딩 박스와 함께 제공합니다. 모든 것이 귀하의 컴퓨터에서 로컬로 실행됩니다.

로컬 파싱의 한계에 도달하고 있나요? 복잡한 문서(밀집된 표, 다열 레이아웃, 차트, 손글씨 텍스트 또는 스캔된 PDF 파일을 사용하면, LlamaParse를 사용하면 훨씬 더 나은 결과를 얻을 수 있습니다. 운영 문서 파이프라인을 위해 구축된 클라우드 기반 문서 파서입니다. LlamaParse는 모델들이 깔끔하고 구조화된 데이터를 보고 마크다운을 인식하도록 어려운 작업입니다.

LlamaParse 무료 가입하기

개요

• 빠른 텍스트 파싱: PDFium을 이용한 공간 텍스트 파싱, 페이지당 ~2-5ms
• 유연한 OCR 시스템:
• 내장: 테서랙트 (설정 필요 없음, 라이브러리에 번들로 제공됨)
• HTTP 서버: 어떤 OCR 서버든 연결할 수 있습니다 (EasyOCR, PaddleOCR, 커스텀)
• 표준 API: 간단하고 명확하게 정의된 OCR API 명세

LiteParse

| | | | | | Docs

English | 简体中文

Looking for LiteParse V1? Follow this link to the old code

LiteParse is a standalone OSS PDF parsing tool focused exclusively on fast and light parsing. It provides high-quality spatial text parsing with bounding boxes, without proprietary LLM features or cloud dependencies. Everything runs locally on your machine.

Hitting the limits of local parsing? For complex documents (dense tables, multi-column layouts, charts, handwritten text, or scanned PDFs), you’ll get significantly better results with LlamaParse, our cloud-based document parser built for production document pipelines. LlamaParse handles the hard stuff so your models see clean, structured data and markdown.

Sign up for LlamaParse free

Overview

• Fast Text Parsing: Spatial text parsing using PDFium, ~2-5ms per page
• Flexible OCR System:
  • Built-in: Tesseract (zero setup, bundled with the library)
  • HTTP Servers: Plug in any OCR server (EasyOCR, PaddleOCR, custom)
  • Standard API: Simple, well-defined OCR API specification
• Complexity Detection: Cheaply check whether a document needs OCR or heavier parsing — route, reject, or estimate cost before a full parse
• Screenshot Generation: Generate high-quality page screenshots for LLM agents
• Multiple Output Formats: Markdown, JSON, and Text
• Markdown Output: Structured Markdown with headings, tables, lists, images, and links — great for feeding LLMs and RAG pipelines
• Bounding Boxes: Precise text positioning information
• Multi-language: Use from Rust, Node.js/TypeScript, Python, or the browser (WASM)