ParseFlow

📄 ParseFlow

<div align="center">

AI 驱动的全能文档解析库

  

English | 中文

</div>

---

ParseFlow 是一个全面的文档解析解决方案，支持 PDF、Word、Excel、PowerPoint 和 图片 OCR。它提供独立的核心库和 MCP 服务器，可供 AI 助手使用。

✨ 功能特性

📄 PDF 支持

• ✅ 多策略文本提取（原始、格式化、清理）
• ✅ 按页或按范围提取
• ✅ 🔐 加密 PDF 密码支持
• ✅ 📄 PDF 合并、拆分、提取页面
• ✅ 元数据获取、全文搜索

📝 Word / 📊 Excel / 🎯 PowerPoint

• ✅ 文本提取和搜索
• ✅ HTML 转换（Word）
• ✅ 多工作表支持（Excel）
• ✅ 幻灯片提取（PowerPoint）

🔍 OCR 图片识别

• ✅ 支持 12 种语言
• ✅ 图片文字提取和搜索

🧠 语义搜索

• ✅ AI 向量嵌入
• ✅ 智能文档搜索（无需精确关键词）

📦 批量处理

• ✅ 并行处理多个文件
• ✅ 目录递归扫描
• ✅ 批量提取和搜索

🤖 MCP 服务器

• ✅ 20 个 AI 助手工具
• ✅ 支持 Claude Desktop、Windsurf、Cursor

---

📦 安装

核心库

npm install parseflow-core

MCP 服务器

npm install -g parseflow-mcp-server
# 或使用 npx
npx parseflow-mcp-server

---

🚀 快速开始

PDF 解析

import { PDFParser } from 'parseflow-core';

const parser = new PDFParser();
const text = await parser.extractText('document.pdf');
const results = await parser.search('document.pdf', '关键词');

Word 解析

import { WordParser } from 'parseflow-core';

const parser = new WordParser();
const result = await parser.extractText('report.docx');
const html = await parser.extractHTML('report.docx');

Excel 解析

import { ExcelParser } from 'parseflow-core';

const parser = new ExcelParser();
const data = await parser.extractData('spreadsheet.xlsx');
const results = await parser.searchText('data.xlsx', '收入');

PowerPoint 解析

import { PowerPointParser } from 'parseflow-core';

const parser = new PowerPointParser();
const result = await parser.extractText('presentation.pptx');
const results = await parser.searchText('slides.pptx', '关键词');

---

🛠️ MCP 服务器配置

Claude Desktop

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "parseflow": {
      "command": "npx",
      "args": ["-y", "parseflow-mcp-server"]
    }
  }
}

可用工具（23 个）

| 类别 | 工具 | 描述 | |------|------|------| | PDF | extract_text | 提取文本（支持加密 PDF） | | | get_metadata | 获取元数据 | | | search_pdf | 全文搜索 | | | extract_images | 提取图片 | | | get_toc | 获取目录 | | | merge_pdf | 合并多个 PDF | | | split_pdf | 拆分为单页 | | | extract_pdf_pages | 提取指定页码 | | | add_watermark | 添加文字水印 | | | add_image_watermark | 添加图片水印 | | | remove_watermark | 移除水印（覆盖） | | Word | extract_word | 提取文本/HTML | | | search_word | 文本搜索 | | Excel | extract_excel | 提取数据 | | | search_excel | 单元格搜索 | | PPT | extract_powerpoint | 提取幻灯片 | | | search_powerpoint | 幻灯片搜索 | | OCR | extract_ocr | 图片文字识别 | | | search_ocr | OCR 文本搜索 | | AI | semantic_index | 文档向量索引 | | | semantic_search | 语义相似搜索 | | 批量 | batch_extract | 批量提取多文件 | | | batch_search | 批量搜索多文件 |

---

📈 版本历史

| 版本 | 功能 | |------|------| | v1.8.0 | 💧 PDF 水印（文字/图片水印） | | v1.7.0 | 📦 批量处理（并行处理多文件） | | v1.6.0 | 🧠 语义搜索（AI 向量嵌入） | | v1.5.0 | 📄 PDF 合并/拆分/提取 | | v1.4.0 | 🔐 加密 PDF 支持 | | v1.3.0 | 🔍 OCR 图片文字识别 | | v1.2.0 | 🎯 PowerPoint 支持 | | v1.1.0 | 📝 Word + 📊 Excel 支持 | | v1.0.0 | 📄 PDF 基础解析 |

---

🔗 链接

• npm Core: https://www.npmjs.com/package/parseflow-core
• npm MCP: https://www.npmjs.com/package/parseflow-mcp-server
• GitHub: https://github.com/Libres-coder/ParseFlow

---

📄 许可证

MIT License - 详见 LICENSE

---

Made with ❤️ by Libres-coder