Unstructured

unstructured.io · 读文档 · 开源自建 / API · 开源免费 · 自建即离线

把 PDF、Word、HTML、邮件切成带类型（标题/正文/表格/列表）的段落块，直接喂进向量库。

短板：高质量模式要装一堆 OCR 与版面模型和系统依赖；默认切块参数几乎一定要按自己的文档调。

这个站点还没有截图：抓取时被拦截或页面没渲染出来，所以这里不放图——不放空的图框，也不放别人的截图。

访问站点 ↗

文档解析开源批量处理

同样用来「读文档」的其它选择

• MinerU — 把 PDF 转成 Markdown / JSON：扫描件、双栏论文、复杂表格基本保形，公式也认得出来。给知识库喂文档的第一步就用它。
• Docling — IBM 出的文档解析库，PDF / DOCX / PPTX 统一转成结构化数据，自带版面分析和表格结构，适合写进自己的流水线。
• NotebookLM — 把一堆资料丢进去，它只根据这些资料回答，每条结论能点回原文；还能把资料生成一段中文播客。

← 全部 155 个工具 · 自建选型矩阵 · 痛点专题