PDF 문서를 처리할 때 일부 온라인 도구를 사용하면 분석 속도가 느릴 뿐만 아니라 레이아웃(Layout) 정보가 손실되기 쉽습니다. 위치 정보가 포함된 텍스트를 로컬에서 빠르게 추출하고 싶을 때 선택할 수 있는 옵션은 많지 않습니다.

최근 LlamaIndex 팀에서 개발한, 로컬 실행과 가볍고 빠른 속도를 특징으로 하는 오픈소스 PDF 분석 도구 LiteParse를 발견했습니다.

PDFium 엔진을 기반으로 텍스트 추출을 수행하며, OCR (광학 문자 인식) 기능이 내장되어 있어 별도의 설정 없이 바로 사용할 수 있습니다. 분석 결과에는 텍스트의 정확한 위치 정보가 보존됩니다.

GitHub: https://t.co/C7h0SUyMk3

PDF 외에도 Word, Excel, PPT 및 이미지 등의 형식을 자동으로 처리할 수 있습니다. 폴더 전체를 일괄 분석(Batch parsing)할 수 있으며, AI 에이전트(AI Agent)가 시각적 정보를 추출하기 용이하도록 페이지 스크린샷을 생성할 수도 있습니다.

Python, Node.js, Rust 언어를 지원하며, 명령어 한 줄로 설치가 가능합니다. 클라우드 서비스에 의존하고 싶지 않으면서 문서 처리 관련 프로젝트를 진행 중이라면 시도해 볼 가치가 있습니다.