# Liteparse > Parseo inteligente de páginas web y documentos para pipelines LLM con estructura semántica — extracción de contenido estructurado. - Skill: `ntizar/liteparse` (Agent Skill) - Install (CLI): `npx skillmds@latest add ntizar/liteparse` - Raw SKILL.md: https://api.skillmd.com/api/skills/ntizar/liteparse/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: DevOps & Infra - Author: ntizar (https://skillmd.com/u/ntizar) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/ntizar/liteparse --- # LiteParse — Parseo Inteligente para LLMs ## Resumen Herramienta de parseo inteligente de páginas web y documentos para pipelines LLM con estructura semántica. 10k⭐. ## Repo de referencia - **GitHub:** `github.com/run-llama/liteparse` - **Lenguaje:** Python/JavaScript - **Licencia:** Apache 2.0 ## Instalación ```bash pip install liteparse # o npm install @run-llama/liteparse ``` ## Uso Básico ```python from liteparse import LiteParse parser = LiteParse() # Parsear HTML → estructura semántica doc = parser.parse("...") structured = doc.to_dict() # Extrae títulos, párrafos, listas, tablas # Parsear documento with open("documento.pdf", "rb") as f: doc = parser.parse(f.read(), format="pdf") md = doc.to_markdown() ``` ## Patrones Clave 1. **HTML semántico:** Convierte HTML plano a estructura con jerarquía clara 2. **Multi-formato:** Soporta HTML, PDF, DOCX, texto plano 3. **Estructura jerárquica:** Títulos, secciones, párrafos, listas, tablas 4. **LLM-ready:** Output optimizado para embedding y retrieval 5. **Ligero:** Sin dependencias pesadas, rápido ## Integración con Mastermind - Complementa `marker-pdf-conversion` (parseo semántico vs conversión a MD) - Ideal para pipelines de ingestión de documentos - Útil para `llm-friendly-web-crawler` preprocessing - Rápido y ligero para batch processing ## Pitfalls - **HTML mal formado:** Puede perder estructura con HTML muy sucio - **Tablas complejas:** Solo parsea tablas simples - **JavaScript:** No ejecuta JS, solo parsea HTML estático - **Idioma:** Optimizado para inglés, puede perder matices en español ## Referencias - [GitHub: run-llama/liteparse](https://github.com/run-llama/liteparse)