标签 Document 下的文章

一、项目介绍 做文档处理时，格式碎片最磨人：PDF、Office、邮件、电子书、上百种扩展名，每种解析器接口都不一样，想在 Python、Node、Rust 之间复用同一套逻辑几乎不可能。你想“喂一份文件、拿到结构化数据”，却被语言边界卡住。 Xberg 是一个以 Rust 为核心的跨语言文档智能库：从 106 种格式、140 个文件扩展名里抽取文本、元数据、图片、表格与结构化数据，并提供 Python、Node.js、Rust、Go、.NET、PHP 多语言绑定。一个核心引...

一、项目介绍 做 RAG、知识库、文档处理时，最头疼的是“格式太杂”：韩文 HWP/HWPX、扫描版 PDF、Office 三件套、图片，每一种都要不同的解析器，表格合并单元格、表单自动填充更是重灾区。尤其韩语公文生态里 HWP 是刚需，通用工具基本不支持，喂给大模型前先要人工搬运。 Kordoc 是一个把 HWP 3.x/5.x、HWPX、PDF、Excel、Word、PPT、图片统一转成 Markdown 与结构化数据的工具，同时提供 CLI 与 MCP 服务器。它针对韩...