io.github.Libres-coder/parseflow

📄 ParseFlow

---

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