papero：无需ML模型的轻量级PDF解析器

Lightweight PDF parser with layout, tables, formulas and bounding boxes

从PDF中提取文本容易，但还原其结构才是关键。papero 是一个开源的 PDF 文本提取 API，它不依赖任何机器学习模型，仅凭几何算法就能在纯 CPU 环境下快速解析文档。它能精准识别阅读顺序、还原表格与公式、提取图表并保留位置信息，支持输出为 Markdown、JSON、Word 和 Excel 等多种格式。无论是通过 Python 库、命令行工具还是浏览器应用，用户都能在本地安全处理文件，无需上传服务器。对于需要构建 RAG 系统或处理 LLM 文档加载的开发者来说，papero 提供了一个快速、轻量且无需 GPU 的绝佳选择。