LiteParse 是开源本地文档解析器（Rust 核心，提供 Python/Node 绑定），专注布局感知的文本提取与边界框输出，不生成 Markdown，也不调用云端 LLM。输出为保留版式的纯文本，或含每页 text_items（位置、字体元数据、可选置信度）的结构化 JSON。资料标注示例基于 liteparse 2.0.0。
主要能力：快速本地解析 PDF 或转换后的 Office/图像文件；提取带边界框的文本用于布局感知 RAG、引用定位或图表区域判断；对扫描件和图像做 OCR（内置 Tesseract 或用户自建 HTTP OCR 服务）；导出页面截图 PNG 供多模态智能体查看图表与手写内容；批量处理文献目录、补充材料；支持指定页码子集和密码保护的 PDF。
安装：uv pip install "liteparse==2.0.0"，安装后可用 lit CLI。验证：lit --help；python -c "import liteparse; print(liteparse.version)"。非 PDF 输入需可选系统工具：LibreOffice（Word、Excel、PowerPoint、OpenDocument、CSV/TSV），ImageMagick（PNG、JPEG、TIFF、WebP、SVG 等）。Node 版可用 npm i @llamaindex/liteparse。
用法示例：Python 中 from liteparse import LiteParse；parser = LiteParse(quiet=True)；result = parser.parse("paper.pdf")。CLI 常用命令：lit parse paper.pdf（默认保留版式文本）；lit parse paper.pdf --format json -o paper.json（结构化 JSON）；lit parse paper.pdf --no-ocr（对原生 PDF 加速）；lit parse long_paper.pdf --target-pages "1-5,10"；lit screenshot document.pdf --target-pages "1,3,5" -o ./screenshots；lit batch-parse ./papers ./parsed --format json --recursive。OCR 默认开启，可设 ocr_language、num_workers、dpi，或用 --ocr-server-url 接入 HTTP OCR 服务。加密 PDF 可用 password 参数或 --password。
限制与注意：不适用生成 Markdown 供 LLM 摄入（可考虑 markitdown）、PDF 合并拆分等操作（可用 pdf 技能）、密集表格/手写/生产级云管道的场景（可考虑 LlamaParse）。Office 和图像文件内部先转 PDF 再解析，缺少 LibreOffice 或 ImageMagick 会报错。OCR 质量不足时可提高 DPI、调整语言或使用 OCR 服务；离线环境需设置 TESSDATA_PREFIX 或 --tessdata-path。此外 max_pages 默认上限为 1000。