docstrange

从任意文档秒提取结构化数据，一键转成 JSON/CSV

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 138 🐛 待处理 14 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1587

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队NanoNets

官网地址https://docstrange.nanonets.com

GitHubhttps://github.com/NanoNets/docstrange

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,document-parser,document-parsing,image-to-markdown,llm,markdown,ocr,pdf-parser,pdf-to-json,pdf-to-markdown,structured-data,structured-data-capture,tables

GitHub 星标★ 1587

上线时间2025-07-31 00:00:00

代码更新2025-10-31

仓库体积359 KB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

docstrange 是一个基于 Python 的文档数据提取与转换工具，旨在解决从多种文档格式（如 PDF、Word、PPT、图片及 URL）中高效提取结构化数据的痛点。它结合智能结构化数据提取和高级 OCR 技术，能够将非结构化内容转换为 Markdown、JSON、CSV、HTML 等通用格式，方便下游应用直接使用。核心能力包括：多格式支持（文档、图片、网页）、智能字段识别（自动提取表格、键值对等）、OCR 识别（处理扫描件和图片文字）、以及灵活的导出选项。项目目前处于成长阶段，GitHub 星标超 1500，社区关注度上升，适合需要批量处理文档、构建数据管道或进行内容迁移的开发者。

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 2026-08-09 · 当前星标 ★ 1587

技术标签

ai document-parsing llm markdown ocr

使用教程

难度：入门约 10 分钟部署方式：库/依赖 7 步

环境要求

已安装 Python 与 pip
可联网安装 PyPI 上的 docstrange 包
本地运行支持 GPU 或 CPU
使用 Web UI 需额外安装 web 依赖（Flask）

安装与启动步骤

1安装 docstrange

在终端用 pip 从 PyPI 安装 docstrange 库，安装完成后即可在 Python 中导入使用。
```
pip install docstrange
```
2安装 Web 依赖

若要用本地网页界面，需安装 web 附加依赖或单独安装 Flask，否则 Web 命令无法启动。
```
pip install -e ".[web]"
pip install Flask
```
3登录云服务

使用云端处理（每月最多 10000 个文档）前先执行登录，凭据会被缓存供后续自动使用。
```
docstrange login
```
4Python 中调用

导入 DocumentExtractor 并实例化，随后即可转换 PDF、DOCX 等文档为 Markdown 等格式。
```
python -c "from docstrange import DocumentExtractor; extractor = DocumentExtractor()"
```
5启动本地 Web UI

运行内置网页界面，可在浏览器中拖拽上传文档进行转换，默认本地访问。
```
docstrange web
```
6指定端口启动

默认端口被占用时，可换一个端口启动 Web UI，例如使用 8080 端口。
```
docstrange web --port 8080
```
7开发模式运行

需要调试时可调用 run_web_app 并传入 debug=True，输出更详细的调试信息。
```
python -c "from docstrange.web_app import run_web_app; run_web_app(debug=True)"
```

关键配置

配置项	必填	说明	示例
`port`	否	指定本地 Web UI 监听端口，默认端口被占用时修改。	`8080`
`debug`	否	开发模式开关，开启后输出调试信息。	`True`