MegaParse

环境要求

• Python 版本 >= 3.11
• 需要 OpenAI 或 Anthropic API Key（写入 .env 文件）
• 系统需安装 poppler（处理图片和 PDF）
• 系统需安装 tesseract（处理图片和 PDF）
• macOS 还需额外安装 libmagic

安装与启动步骤

1. 1安装 MegaParse

   使用 pip 从 PyPI 安装 megaparse 库，注意 Python 必须为 3.11 及以上版本。

   pip install megaparse

   复制

2. 2配置 API Key

   在项目目录下的 .env 文件中添加 OpenAI 或 Anthropic 的 API Key，供解析调用大模型使用。

3. 3安装 poppler

   poppler 用于处理图片和 PDF 文件，需按操作系统对应的包管理器安装。

4. 4安装 tesseract

   tesseract 用于 OCR 识别图片与 PDF 中的文字，需按操作系统对应的包管理器安装。

5. 5macOS 安装 libmagic

   如果使用 macOS，还需要通过 Homebrew 安装 libmagic，否则可能无法识别文件类型。

   brew install libmagic

   复制

6. 6运行解析示例

   将待解析的 PDF 放在当前目录，使用 MegaParse 加载并打印解析结果。

   from megaparse import MegaParse
   from langchain_openai import ChatOpenAI
   
   megaparse = MegaParse()
   response = megaparse.load("./test.pdf")
   print(response)

   复制

关键配置

如何确认成功

运行示例代码后终端成功打印出解析出的文档文本内容，且无模块或依赖缺失报错。

常见问题

注意事项

• README 未给出 poppler、tesseract 的具体安装命令，请按操作系统官方方式安装。
• API Key 不要提交到公开仓库，建议通过 .env 管理。
• MegaParse 支持 PDF、PowerPoint、Word、Excel、CSV 及纯文本等多种格式。