lihanghang PPX 解析 Skill
PPX（memect-ppx）是一款本地运行的高精度文档解析引擎，将 PDF / 图片转换为 结构化 Markdown 和 JSON，无需 GPU，开箱即用。
安装
pip install memect-ppx
pip install onnxruntime
pip install opencv-contrib-python
Python ≥ 3.12。在 Linux 无头环境下将 opencv-contrib-python 替换为
opencv-python-headless。
基本用法
# 解析单个 PDF，输出到 output/ 目录
ppx parse report.pdf -o output/
# 解析图片
ppx parse scan.png -o output/
# 批量解析目录
ppx parse docs/ -o output/
# 只解析指定页面
ppx parse report.pdf --pages "1-5,10,15-20" -o output/
输出结构（写入 <file>.out/）：
| 路径 | 说明 |
|---|---|
doc.md |
完整文档 Markdown，含图形引用 |
doc.json |
JSON 树：文档 → 页面 → 对象，每个对象含坐标 |
pages/ |
逐页 Markdown / JSON，适合页面级处理 |
images/ |
提取的图像区域（检测到图形时存在） |
OCR 控制
ppx parse report.pdf --ocr auto # 默认：自动判断
ppx parse report.pdf --ocr yes # 强制 OCR（扫描件）
ppx parse report.pdf --ocr no # 跳过 OCR（原生 PDF）
表格解析模式
ppx parse file.pdf --table auto # 默认：自动选择
ppx parse file.pdf --table wbk # 白底表格（推荐普通文档）
ppx parse file.pdf --table ybk # 彩色/深色背景表格
ppx parse file.pdf --table llm # LLM 辅助（最高精度，需配置后端）
ppx parse file.pdf --table no # 跳过表格解析
LLM 后端
| 后端 | 场景 | 显存需求 |
|---|---|---|
default |
隐私、离网、CI | CPU，无需 GPU |
deepseek |
复杂版面最高精度 | ~20 GB |
paddle |
精度较好、显存小 | ~10 GB |
glm |
快速推理 | ~10 GB |
# 使用 DeepSeek-OCR-2 后端（需本地 vLLM 服务）
ppx parse report.pdf --backend deepseek \
--deepseek '{"base_url":"http://127.0.0.1:4000/v1","model":"deepseek-ocr-2","api_key":""}'
# 使用 PaddleOCR-VL 后端
ppx parse report.pdf --backend paddle \
--paddle '{"base_url":"http://127.0.0.1:4001/v1","model":"paddleocr-vl","api_key":""}'
# 使用 GLM-OCR 后端
ppx parse report.pdf --backend glm \
--glm '{"base_url":"http://127.0.0.1:4002/v1","model":"glmocr","api_key":""}'
持久化配置（避免每次重复填写）：
ppx parse report.pdf --set backend="deepseek" \
--set deepseek.base_url="http://127.0.0.1:4000/v1"
其他选项
--mode page|tree|ppt # 解析模式（默认 page）
--workers N # 目录并行解析线程数
--docx / --no-docx # 输出 DOCX
--pptx / --no-pptx # 输出 PPTX
--json # 仅输出 JSON
--cpu # 强制 CPU（即使有 GPU）
--debug / -x # 输出调试信息和中间图
--dev # 开发模式，保存中间结果
Python API
from memect.pdf.parser import Parser
from memect.pdf.base import KDocument
# 单次解析
with Parser() as parser:
doc = KDocument("/path/your.pdf")
parser.parse(doc)
# 批量多进程
from memect.pdf.base import KDocumentFactory
docs = [KDocumentFactory("/path/your.pdf", params=None)]
Parser.batch(docs, max_workers=4)
Parser 对象全局共享，多次调用时只需实例化一次。
常见问题
- Linux
ImportError: libGL.so.1→pip install opencv-python-headless或sudo apt-get install -y libgl1 - Mac 无法 GPU 加速 → Apple Silicon / Intel Mac 不支持 CUDA，CPU 模式正常运行
onnxruntime与onnxruntime-gpu冲突 → 只安装其中一个
许可证
非商业免费（PolyForm Noncommercial 1.0.0）。商用联系 contact@memect.co。
在线体验：https://pdf2x.cn/