Hacker News· jgfriedman1999·· 2 小时前AI 评分58
doc2struct 开源:单 CPU 线程解析 19GB 年报仅需 40 秒
Show HN: Document parsing 5B tokens on a single CPU thread
AI 导读
作者发布 MIT 许可的开源文档解析算法 doc2struct,可在单个 CPU 线程上快速解析文档,例如 40 秒内解析完全部 2025 年年报共 19GB。该工具保留文档嵌套结构并做轻度表格清洗,是作者此前文档解析器 doc2dict 的后续版本。
来源:Hacker News · news.ycombinator.com