officeParser

一份代码解析十几种办公文档,直接转 Markdown 或 RAG 分块

开源 🏷️完全免费 ⚠️ 链接可跳转,访问体验不确定 办公效率 🍴 复刻 60 🐛 待处理 5 👀 关注 3
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 569
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费使用,定价信息待确认

项目预览

officeParser 项目界面预览图
图片来源:项目官网

项目数据

分类办公效率
开发团队harshankur
定价模式🏷️完全免费
价格说明开源免费使用,定价信息待确认
访问状态⚠️ 链接可跳转,访问体验不确定
是否开源是
开源协议MIT
主要语言Rich Text Format
技术栈/模型ast,browser,docx,metadata,nodejs,odf,odp,ods,odt,office,parser,pptx,rtf,tesseract,typescript,xlsx
GitHub 星标★ 569
上线时间2019-04-14 00:00:00
代码更新2026-11-14
仓库体积225.8 MB
本站数据更新2026-11-15
维护状态活跃
收录时间2026-10-02
浏览次数4

项目介绍

officeParser 是一个严格类型化的 Node.js 与浏览器端库,用于把常见办公文档解析成结构化的抽象语法树(AST),并支持再输出为多种格式。它解决的是文档内容提取与转换碎片化的问题:以往解析 docx、pptx、xlsx、pdf 等往往要引入多个库、处理格式差异,而它统一了入口,覆盖 docx、pptx、xlsx、odt、odp、ods、pdf、rtf、csv、md、html 等输入,输出 Markdown、HTML、CSV、RTF、PDF、纯文本以及适合 RAG 的分块结果。核心能力包括:基于 AST 保留文档结构与元数据;支持浏览器与 Node 双端;内置 OCR(tesseract)处理扫描件;提供 RAG Chunks 便于接入检索增强生成流程。适合需要批量抽取办公文档内容、做格式转换或构建知识库的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 569

技术标签

使用教程

难度:入门 约 25 分钟 部署方式:本地安装 5 步

环境要求

  • Node 环境
  • 办公文档

安装与启动步骤

  1. 1装库

    把办公文档解析成结构化树的库。

    npm i officeparser
  2. 2先转一份文档

    拿一份文档试,看结构是否完整。

    npx officeparser /path/to/file.docx
  3. 3转成纯文本

    只要文字时用这个模式。

    npx officeparser /path/to/file.docx --to=text
  4. 4出 markdown

    要进知识库就转成 md。

    npx officeparser report.docx --to=md --output=report.md
  5. 5带图片与附件

    需要保真时打开附件提取。

    npx officeparser presentation.pptx --to=html --output=preview.html --ocr --extractAttachments

如何确认成功

一份带表格与图片的文档转成 markdown 后,表格结构与图片引用都完整保留

注意事项

  • 它做解析与转换,不做内容理解。
  • 复杂排版的转换结果需要人工校一遍。
  • 格式互转的保真度不如专业办公软件。
  • 大文件解析耗时明显。

核心亮点

  • 统一 API 覆盖 docx/pptx/xlsx/pdf/odt 等十余种格式,减少多库拼装成本
  • 输出 AST 保留结构与元数据,便于二次加工而非只拿纯文本
  • 同时支持 Node 与浏览器,并内置 tesseract OCR 处理扫描 PDF

不足之处

  • 项目星标约 553,属早期阶段,API 与生态成熟度待观察
  • 复杂版式(如嵌套表格、图表、批注)的还原精度可能有限

适用场景

  • 批量把企业文档转成 Markdown 入库或做全文检索
  • 为 RAG 知识库抽取 PDF/Office 内容并生成分块
  • 浏览器端上传办公文件后即时预览与格式转换

替代项目

mammoth、unstructured、Apache Tika

上一篇:opensync

下一篇:openclip

同类项目推荐

jira-assistant 开源

浏览器里直接管 Jira,少切页面快记工时

Repository containing source code of Jira Assistant browser extension. This is also ···

★ 286 2026-10-16
note-gen 开源

随手记,AI帮你自动整理成清晰笔记,本地存储更安心。

Capture first. Organize later. A local-first Markdown app that turns scattered recor···

★ 13019 2026-08-09
FileMint 开源

Mac 右键菜单一键新建、批量改名、压缩图片和识别文字

Native macOS Finder extension for right-click file creation, templates, batch rename···

★ 162 2026-10-24
crosspaste-desktop 开源

局域网内多设备剪贴板秒同步,端到端加密不走云

Cross-device clipboard sync for macOS, Windows & Linux — end-to-end encrypted, LAN-···

★ 2700 2026-09-19
mewu_ai 开源

框选屏幕,AI 就地圈重点、翻译、答问

MewuAI 喵呜AI | 跨平台开源 AI 屏幕协作软件:AI 圈选重点、截图问答、离线 OCR、原位翻译···

★ 102 2026-10-30
amanu 开源

macOS 会议自动录音转文字,本地存不传云

Records and transcribes online meetings. Automatically

★ 251 2026-09-24
ppt-master-zit 开源

本地出图,直接生成可编辑 PPTX

ppt-master v6.8.0 fork (ppt-master-comfyui): local ComfyUI image backend — Qwen-Ima···

★ 171 2026-11-05
AI-Gist 开源

把散落的提示词变成可复用模板,一键调用

✨ AI Gist 是一款隐私优先的 AI 提示词管理工具,致力于让个人收藏的 AI 提示词能够发挥最···

★ 913 2026-09-16
dart-pdf 开源

本地多端 PDF 编辑,批注签名遮盖免账号

DartPDF is a free, local PDF editor for Android, iPhone, iPad, Mac, Windows, Linux a···

★ 102 2026-11-08