rapid-doc-rust

RapidDoc 的 Python 绑定，调用共享 Rust 引擎，在本地将文档解析为 Markdown。支持 PDF（电子版和扫描版）、DOC、DOCX、XLS、XLSX、PPT、PPTX。

包名为 rapid-doc-rust，导入名为 rapid_doc_rust。要求 Python 3.10 或以上，无须安装原 Python RapidDoc 或 PyTorch。

正常解析及已公开的底层 API 均包含在默认包中。迁移差分检查点属于源码开发工具，使用方式见绑定整理说明。

安装

本页对应 SDK 0.1.1。各渠道上架状态见发布说明；发布后 CPU 环境安装：

python -m pip install "rapid-doc-rust[cpu]==0.1.1"

仅解析 Office 或自行提供 ONNX Runtime 时，可安装 rapid-doc-rust==0.1.1。离线环境也可下载对应平台的 wheel 后本地安装。

平台包覆盖 Windows/Linux x64 与 ARM64，以及 macOS 14+ 的 Intel x64 / Apple Silicon ARM64（CPU）。其他平台使用对应文件名；CUDA 环境须选择匹配的 GPU 构建及运行库。

基础包不强制安装 ORT。安装 [cpu] 使用 onnxruntime；GPU 构建安装 [gpu] 使用 onnxruntime-gpu（也能执行 CPU 推理），两者不要同时安装。已有合适运行库时直接安装 wheel 即可；Rust 自动定位其动态库，也支持显式设置 RAPIDDOC_ONNXRUNTIME_LIBRARY。Office 解析不需要 ORT。

本次构建覆盖六个平台的 CPU wheel。[gpu] 仅提供 Python GPU ORT 依赖，不代表已提供完整的 CUDA SDK 包；GPU 部署仍需匹配的 CUDA 构建、自定义算子、NVIDIA 驱动及 CUDA/cuDNN。extras 不会把 CPU Rust 构建变成 CUDA 构建。

ORT 版本与原 Python 包的区别

使用方式	ORT 来源	版本声明
原 Python rapid-doc[cpu]	pip onnxruntime	>=1.18.0
原 Python rapid-doc[gpu]	pip onnxruntime-gpu	<=1.23.0
rapid-doc-rust[cpu]	pip onnxruntime 的动态库	>=1.23.0
rapid-doc-rust[gpu]	pip onnxruntime-gpu 的动态库	>=1.23.0
Rust download-runtime / Java 默认平台包	构建时下载并打包官方原生运行库	当前基线 1.23.2

Rust 引擎编译使用 ORT C API 23，因此最低要求 ORT 1.23；不能直接沿用原 Python 的 1.18 下限。Rust crate ort = 2.0.0-rc.15 是 Rust 绑定自身的版本，不是运行库版本。>=1.23.0 表示最低要求，不代表所有后续版本都已验证，也不会固定 pip 最终安装的版本。需要可复现环境时，在应用自己的依赖锁文件中固定已验证的 CPU/GPU 版本。

原 Python 的 GPU 上限属于原实现的依赖策略，不代表 Rust 也必须采用相同上限。本次未改变原 Python 的依赖范围；两套实现共用环境时，GPU 约束交集目前只有 1.23.0。不满足交集时应分别使用环境，避免强制覆盖依赖。

快速开始

缺少模型时自动记录下载开始、保存路径、大小进度、SHA-256 校验及完成/失败日志。默认目录为 ~/.cache/rapid_doc/models，可用 RAPID_MODELS_DIR / RAPIDDOC_MODEL_DIR 修改；模型校验通过后直接复用。

from rapid_doc_rust import RapidDoc

engine = RapidDoc(output_dir="output")
result = engine("input.pdf")
print(result.markdown)

设置 output_dir 后，自动保存 Markdown、图片、中间 JSON 和内容列表。省略它则只返回结果。

Office 使用相同入口；复用同一个实例可避免重复加载模型：

result = engine("report.docx")
results = engine(["input.pdf", "report.docx", "table.xlsx"])

输入也支持 HTTP/HTTPS URL 字符串、文件内容 bytes 或二进制文件流。URL 下载由共享 Rust 层执行，直接传 URL，不要拼接项目根目录。列表输入返回结果列表。

实例复用与资源释放

短脚本可以使用上下文管理器，在正常结束或发生异常时释放原生模型会话：

with RapidDoc(output_dir="output") as engine:
    for source in ["input.pdf", "report.docx"]:
        result = engine(source)
        print(result.markdown)

服务中在启动时创建实例，处理多个请求，在应用关闭时调用 engine.close()。 close() 可重复调用，engine.closed 返回关闭状态。关闭后再次解析或预加载会报错， 已有结果可继续读取和保存。解析期间调用 close() 会提示实例正在使用，待本次解析 结束后再关闭。同一实例支持多线程并发解析；Office 请求独立执行，PDF 保留 PDFium 和各模型会话锁，共享模型权重。不要在进度回调中同步重入解析；并发写出时使用不同输出路径。

返回结果

字段	内容
result.markdown	Markdown 字符串
result.images	图片文件名到 bytes 的字典
result.middle_json	中间结构，页面位于 pdf_info
result.content_list_json	内容列表

也可以使用 markdown, images = result 解包。

常用参数

engine = RapidDoc(
    parse_method="auto",
    formula_enable=True,
    table_enable=True,
    pdf_pages_batch=64,
    output_dir="output",
)

result = engine(
    "input.pdf",
    start_page_id=0,
    end_page_id=9,
    f_draw_layout_bbox=True,
    f_draw_span_bbox=True,
)

页码从 0 开始，end_page_id 包含该页；省略它表示解析到末页。上例解析前 10 页，并保存版面框、文字框 PDF。

• parse_method：默认 auto，也可选择 txt 或 ocr，用于 PDF。
• formula_enable、table_enable：默认开启。
• pdf_pages_batch：PDF 分页处理窗口，默认 64 页。
• preload_model=True：提前加载当前配置需要的模型，后续解析复用相同会话。
• image_output_mode="data_uri"：将 Markdown 图片引用改为内嵌数据；默认是相对路径。

模型切换

engine = RapidDoc(
    layout_config={"model_type": "pp_doclayoutv3"},
    formula_config={"model_type": "pp_formulanet_plus_m"},
    table_config={
        "model_type": "unet_slanet_plus",
        "rule_table_engine": "docvortex_ocr",
        "fallback_model_type": "table_transformer",
        "fallback_to_text": True,
    },
)

配置	默认模型	可选模型
layout_config.model_type	pp_doclayoutv3	pp_doclayoutv2、docvortex_rule
formula_config.model_type	pp_formulanet_plus_m	pp_formulanet_plus_s、pp_formulanet_plus_l
table_config.model_type	unet_slanet_plus	slanet_plus、unet、table_transformer

上例显式开启了 OCR 规则表格、备用模型和文字回退。默认规则引擎为 docvortex；备用模型与文字回退默认关闭，可分别用 fallback_model_type=None、fallback_to_text=False 关闭。

模型与设备

PDF 模型按需加载、下载并校验；默认模型目录为 ~/.cache/rapid_doc/models。可在创建实例前用环境变量 RAPID_MODELS_DIR 指定已有模型目录。Office 解析不加载 PDF 识别模型。

默认使用 CPU。使用 GPU 构建时，可在创建实例前设置 os.environ["MINERU_DEVICE_MODE"] = "cuda"。

整页方向矫正默认关闭，需要时启用：

import os
os.environ["USE_DOC_ORIENTATION_CLASSIFY"] = "true"

开发文档

• 共享 Rust SDK 与原生调用示例
• Python 绑定历史迁移记录（仅供追溯，不作为当前用法）