MegaParse 是一款功能强大且用途广泛的解析器，可以轻松处理各种类型的文档。无论你处理的是文本、PDF、Powerpoint 演示文稿还是 Word 文档，MegaParse 都能满足你的需求。专注于在解析过程中不丢失信息。

1、MegaParse简介

MegaParse的主要特点：

• 多功能解析器：MegaParse 是一款功能强大且用途广泛的解析器，可以轻松处理各种类型的文档。
• 无信息丢失：专注于在解析过程中不丢失信息。
• 快速高效：以速度和效率为核心进行设计。
• 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。

MegaParse目支持：

• 文件：? PDF ? Powerpoint ? Word
• 内容：? 表格 ? 目录 ? 页眉 ? 页脚 ? 图片

点击这里查看MegaParse的演示视频。

2、MegaParse快速上手

首先使用pip安装：

pip install megaparse

然后设置环境：

• 将你的 OpenAI 或 Anthropic API 密钥添加到 .env 文件
• 在你的计算机上安装 poppler（图片和 PDF）
• 在你的计算机上安装 tesseract（图片和 PDF）
• 如果是Mac，你还需要安装 libmagic： brew install libmagic

下面的代码使用MegaParse的 UnstructuredParser 提取pdf文件内容并保存为markdown格式的文件：

from megaparse import MegaParse
from langchain_openai import ChatOpenAI
from megaparse.parser.unstructured_parser import UnstructuredParser

parser = UnstructuredParser()
megaparse = MegaParse(parser)
response = megaparse.load("./test.pdf")
print(response)
megaparse.save("./test.md")

启动多模态分析

将解析器更改为 MegaParseVision，即可启用多模态分析：

from megaparse import MegaParse
from langchain_openai import ChatOpenAI
from megaparse.parser.megaparse_vision import MegaParseVision

model = ChatOpenAI(model="gpt-4o", api_key=os.getenv("OPENAI_API_KEY"))  # type: ignore
parser = MegaParseVision(model=model)
megaparse = MegaParse(parser)
response = megaparse.load("./test.pdf")
print(response)
megaparse.save("./test.md")

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。

使用LlamaParse增强效果

可选的，可以使用 LlamaParse 获得更好的结果。你需要在 Llama Cloud 上创建一个帐户并获取API 密钥，然后将解析器更改为 LlamaParser：

from megaparse import MegaParse
from langchain_openai import ChatOpenAI
from megaparse.parser.llama_parser import LlamaParser

parser = LlamaParser(api_key = os.getenv("LLAMA_CLOUD_API_KEY"))
megaparse = MegaParse(parser)
response = megaparse.load("./test.pdf")
print(response)
megaparse.save("./test.md") #saves the last processed doc in md format

作为 API使用

MegaParse提供了一个 MakeFile，只需在项目的根目录中使用 make dev 即可启动。

有关不同API端点的更多信息，请参阅 localhost:8000/docs ！

3、基准测试

相似比的值越高越好。

原文链接：MegaParse多模态文档解析库 - 汇智网