jin-document-parser 0.1.2

A unified document parser for PDF, Word, Excel and HTML

依赖库简述：

1. PDF 解析：需要 PyMuPDF (fitz) 提供样式信息，pdfplumber 负责表格定位。
2. Word 解析：核心为 python-docx，并配合 lxml 进行底层 XML 递归扫描。
3. Excel 解析：依赖 pandas 和 openpyxl 引擎，同时需要 tabulate 来美化 Markdown 表格输出。
4. HTML 解析：使用 beautifulsoup4 进行降噪处理，html2text 负责格式转换，httpx 支持异步抓取。

一键安装命令：

pip install jin-document-parser

PDF文档解析转MD

from jin_doc_parser import DocumentParseService, ParseOptions
service = DocumentParseService()
result = service.parse("your.pdf")
print(result.markdown_content)