项目预览
项目数据
项目介绍
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
使用教程
环境要求
- Node 环境
- 办公文档
安装与启动步骤
-
1装库
把办公文档解析成结构化树的库。
npm i officeparser -
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转成纯文本
只要文字时用这个模式。
npx officeparser /path/to/file.docx --to=text -
4出 markdown
要进知识库就转成 md。
npx officeparser report.docx --to=md --output=report.md -
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
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 ···
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···
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···
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-···
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···
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
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···
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···
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···
