Parsr

将您的文档变成数据！

法语 |葡萄牙语 |西班牙语 | 中文

• Parsr是一个占用空间最小的文档（图像、pdf、docx、eml ）清理、解析和提取工具链，可生成JSON、Markdown (MD)、CSV/Pandas DF或TXT格式的现成可用、有组织且可用的数据。

• 它为分析师、数据科学家和开发人员提供了清晰的结构化和标签丰富的信息集，适用于即用型应用程序，包括数据输入和文档分析师自动化、归档等。

• 目前，Parsr 可以执行：文档清理、层次结构重新生成（单词、行、段落）、标题、表格、列表、目录、页码、页眉/页脚、链接等的检测。查看所有功能。

目录

• 目录
• 入门
  • 安装
  • 用法
• 文档
• 贡献
• 第三方许可证
• 执照

入门

安装

-- 高级安装指南可在此处获取 --

安装和运行 Parsr API 的最快方法是通过 docker 镜像：

docker pull axarev/parsr

如果您还希望安装用于发送文档和可视化结果的 GUI：

docker pull axarev/parsr-ui-localhost

注意：Parsr 也可以裸机安装（不通过 Docker 容器），其过程记录在安装指南中。

用法

-- 高级使用指南可在此处获取 --

要运行 API，请发出：

docker run -p 3001:3001 axarev/parsr

这将在 http://localhost:3001 上启动它。
请参阅有关 API 使用的文档。

1. 要访问 Parsr API 的python客户端，请发出：

   pip install parsr-client

   要使用 python 客户端对Jupyter Notebook进行采样，请前往 jupyter 演示。

2. 要使用 GUI 工具（API 需要已运行），请发出：

   docker run -t -p 8080:80 axarev/parsr-ui-localhost:latest

   然后通过http://localhost:8080访问。

请参阅配置文档以解释 GUI 查看器中的可配置选项。

基于 API 的用法和命令行用法记录在高级使用指南中。

文档

所有文档文件都可以在这里找到。

贡献

请参阅贡献指南。

第三方许可证

第三方库为其依赖项授予许可：

1. QPDF ：Apache http://qpdf.sourceforge.net
2. ImageMagick ：Apache 2.0 https://imagemagick.org/script/license.php
3. Pdfminer.6 ：麻省理工学院 https://github.com/pdfminer/pdfminer.six/blob/master/LICENSE
4. PDF.js ：Apache 2.0 https://github.com/mozilla/pdf.js
5. Tesseract ：Apache 2.0 https://github.com/tesseract-ocr/tesseract
6. 卡米洛特：麻省理工学院 https://github.com/camelot-dev/camelot
7. MuPDF （可选依赖项）：AGPL https://mupdf.com/license.html
8. Pandoc （可选依赖）：GPL https://github.com/jgm/pandoc

执照

版权所有 2020 AXA Group Operations SA
根据 Apache 2.0 许可证获得许可（请参阅许可证文件）。