docparser-cli 0.1.0

docparser 命令行：PDF / DOCX / XLSX / PPTX / TXT / MD / CSV / HTML → text / markdown / json
docparser-cli-0.1.0 is not a library.

docparser-cli

独立文档解析命令行：PDF / DOCX / XLSX / PPTX / TXT / MD / CSV / HTML → text / markdown / json。

cargo install docparser-cli

docparser-cli doctor                       # 环境自检：PDFium / OCR 引擎 / 模型

docparser-cli parse report.pdf             # 默认 JSON（统一 IR）

docparser-cli parse report.docx -f markdown

docparser-cli backends                     # 已注册后端与形态

docparser-cli batch a.pdf b.docx -j 4      # 多进程并发，stdout 每文件一行 JSON

运行时依赖

依赖 必需性 说明
PDFium 动态库 仅 PDF DOCPARSER_PDFIUM_LIB（推荐）或 <exe>/../lib/…
docparser-ocr 可执行文件 仅扫描件 DOCPARSER_OCR_BIN；缺失时降级纯文本
PPOCRv5 模型目录 仅扫描件 DOCPARSER_OCR_MODELS
DOCPARSER_OCR_IMAGES=1 可选 开启 PDF 嵌入图文字识别（默认关）

错误语义

失败时 stderr 输出 {"error":{"code":…,"message":…}}，退出码 2：

code 含义
encrypted 加密 / 权限受限
corrupt 文件损坏 / 后端链耗尽
unsupported 格式不支持 / 伪装件
timeout 单文件超时
native_crash 底层 native 崩溃

doctor 有 FAIL 时退出码 1（可直接用于 CI）；batch 任一文件失败退出码 1。

许可

MIT OR Apache-2.0