litparser 0.5.0

Lightweight Document Parser - 순수 Python으로 PDF, DOCX, PPTX, HWPX 파싱

LitParser

Liteweight Document Parser - 순수 Python으로 구현된 문서 파서.

외부 라이브러리 없이 PDF, DOCX, PPTX, HWPX 파일을 파싱합니다.

특징

• ✅ Zero Dependencies - 표준 라이브러리만 사용
• ✅ 다양한 포맷 - PDF, DOCX, PPTX, HWPX, TXT, MD
• ✅ 텍스트 추출 - 위치 정보 포함
• ✅ 테이블 감지 - 마크다운 변환
• ✅ 이미지 추출 - PNG, JPEG, JP2
• ✅ 출력 포맷 - Markdown, JSON

설치

pip install litparser

소스에서:

pip install -e .

CLI

# 텍스트 추출
litparser document.pdf
litparser report.docx

# 마크다운 변환
litparser document.pdf --markdown
litparser document.pdf --md -o result.md

# JSON 변환
litparser document.pdf --json
litparser document.pdf --json --include-images

# 테이블
litparser document.pdf --tables

# 분석
litparser document.pdf --analyze

Python API

from litparser import parse_pdf, extract_text, extract_tables

# PDF 파싱
doc = parse_pdf('document.pdf')

# 텍스트
text = extract_text(doc, page_num=0)

# 테이블
tables = extract_tables(doc, page_num=0)
for t in tables:
    print(t.to_markdown())

# 마크다운/JSON 변환
from litparser.output_formatter import pdf_to_output, to_markdown, to_json

output = pdf_to_output(doc)
md = to_markdown(output)
json_str = to_json(output)

지원 포맷

포맷	확장자	텍스트	테이블	이미지
PDF	.pdf	✅	✅	✅
Word	.docx	✅	✅	✅
PowerPoint	.pptx	✅	✅	✅
한글	.hwpx	✅	✅	✅
텍스트	.txt, .md	✅	-	-

라이선스

MIT License