OpenContracts

現代，可插入的文件處理管道

OpenContracts具有用於處理文檔的功能強大的模塊化管道系統。該體系結構支持自定義解析器，嵌入式和縮略圖生成器的簡單創建和集成：

每個管道組件都從定義清晰接口的基類繼承：

• 解析器：從文檔中提取文本和結構
• 嵌入式：生成用於語義搜索的矢量嵌入
• 縮略圖：創建文檔的視覺預覽

了解更多有關：

• 管道架構概述
• 文檔解析器
• nlm-timest解析器

模塊化設計使添加自定義處理器變得容易 - 只需從適當的基類繼承並實現所需的方法即可。有關創建自己的組件的詳細信息，請參見我們的管道文檔。

限制

目前，我們僅支持PDF和基於文本的格式（例如Plaintext和MD）。借助我們的新解析管道，我們可以輕鬆地支持其他OOXML辦公室格式，例如DOCX和XLSX，但是，開源查看器和編輯器很少見。一種可能的途徑是利用現在存在的許多OOXML-> MD工具。一旦我們添加了Markdown查看器和註釋器，這將是大多數文檔的合理解決方案（請參閱我們的路線圖）。

致謝

特別感謝Allenai的Pawls Project和NLMAtics NLM-Intestor。他們開創了許多功能和流動，我們在應用程序的某些部分中使用了它們的代碼。

NLMatics也是我們數據提取網格和解析管道UI/UX的創建者和靈感的創造者：

該公司領先於時代，儘管該產品不再可用，但OpenContracts旨在採用一些最佳，最具創新性的功能，並使其成為開源的，並為大眾提供！