Skills Agentes

Liteparse

Parseo local de documentos y PDF que devuelve texto espacial con bounding boxes: extrae texto, hace OCR de escaneos, genera JSON con layout para RAG y renderiza páginas a PNG. Todo local, sin API en la nube.

Reemplaza a: markitdown (para Markdown de LLM), pdf skill (para fusionar/dividir/formularios), LlamaParse (para tablas densas o pipelines cloud)

Solicitaread write edit bash
Estrellas
34.8k

en todo el repo

Actividad
58

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
3

últimos 90 días

Contexto
2.3k tok

104 tok en reposo

Paquete
7 archivos

31 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add K-Dense-AI/scientific-agent-skills --skill liteparse --agent claude-code

Se instala solo en este repositorio.

Este skill makes network requests.

Qué hace

  • Extrae texto de PDF, DOCX, Office e imágenes en local con posiciones (bounding boxes) por token
  • Ejecuta OCR con Tesseract incluido, o un servidor OCR HTTP externo, sobre PDFs escaneados
  • Genera JSON con layout preservado para RAG, citas ancladas a regiones o lógica de tablas/figuras
  • Renderiza páginas a PNG para agentes multimodales que necesitan ver gráficos o texto manuscrito
  • Procesa carpetas completas en lote (batch) sin llamadas a la nube

Úsalo cuando

  • Parsear PDFs u otros documentos localmente sin depender de una API en la nube
  • Necesitar texto espacial con bounding boxes para RAG con conciencia de layout
  • Hacer OCR sobre PDFs o imágenes escaneadas
  • Ingerir en lote carpetas de papers o bibliotecas de protocolos

No lo uses cuando

  • Para convertir a Markdown para LLM (EPUB, audio, YouTube, HTML) — usa la skill markitdown
  • Para fusionar/dividir PDFs, formularios, marcas de agua o rotación — usa la skill pdf
  • Para tablas densas, manuscritos o pipelines cloud en producción — usa LlamaParse

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Extrae el texto de este PDF con las coordenadas de cada palabra
  • Haz OCR a estos PDFs escaneados en local
  • Convierte esta carpeta de papers a JSON con bounding boxes
  • Genera capturas PNG de estas páginas para el agente

SKILL.md

En inglés

LiteParse — Local Document Parsing

Overview

LiteParse is a fast, open-source document parser (Rust core, Python/Node bindings) focused on local, layout-aware text extraction with bounding boxes. It does not produce Markdown and does not call cloud LLMs. Outputs are plain text (layout-preserved) or structured JSON with per-page text_items (position, font metadata, optional confidence).

Version note: Examples target liteparse 2.0.0 (PyPI, May 2026). The upstream V1 branch is legacy; this skill documents V2 / main only.

For parser selection vs MarkItDown, the pdf skill, or LlamaParse, see references/choosing_a_parser.md.

When to Use This Skill

Use LiteParse when you need:

  • Fast local parsing of PDFs or converted Office/image files without cloud dependencies
  • Spatial text with bounding boxes for layout-aware RAG, citation grounding, or figure/table region logic
  • OCR on scanned PDFs or images (bundled Tesseract, or a user-run HTTP OCR server)
  • Page screenshots (PNG) for multimodal agents that must see charts, figures, or handwriting
  • Batch ingestion of literature folders, supplementary PDFs, or protocol libraries
  • Page subsets or password-protected PDFs

When Not to Use

Task Use instead
Markdown for LLM ingestion (EPUB, audio, YouTube, HTML) markitdown skill
Merge/split PDFs, forms, watermarks, rotation pdf skill
Dense tables, handwriting, production cloud pipelines LlamaParse (cloud; sign up separately)

Installation

uv pip install "liteparse==2.0.0"

This installs the Python bindings and the lit CLI. Verify:

lit --help
python -c "import liteparse; print(liteparse.__version__)"

Optional system tools (for non-PDF inputs):

  • LibreOffice — Word, Excel, PowerPoint, OpenDocument, CSV/TSV
  • ImageMagick — PNG, JPEG, TIFF, WebP, SVG, etc.

Install commands are in references/ocr_and_formats.md.

Node.js / TypeScript (optional): npm i @llamaindex/liteparse — see references/api_reference.md.


Quick Start

Python

from liteparse import LiteParse

parser = LiteParse(quiet=True)
result = parser.parse("paper.pdf")
print(result.text)

for page in result.pages:
    print(f"Page {page.page_num}: {len(page.text_items)} items")

CLI

# Layout-preserved text (default)
lit parse paper.pdf

# Structured JSON with bounding boxes
lit parse paper.pdf --format json -o paper.json

# Disable OCR on text-native PDFs (faster)
lit parse paper.pdf --no-ocr

Core Workflows

1. Parse to layout-preserved text

Best for quick full-document text or feeding chunkers that do not need coordinates.

parser = LiteParse(ocr_enabled=True, quiet=True)
result = parser.parse("document.pdf")
full_text = result.text
lit parse document.pdf -o output.txt

2. Parse to structured JSON (bounding boxes)

Use when building layout-aware RAG, highlighting source regions, or joining text with screenshots.

import json
from liteparse import LiteParse

parser = LiteParse(output_format="json", quiet=True)
result = parser.parse("document.pdf")

# Programmatic access
for page in result.pages:
    for item in page.text_items:
        bbox = (item.x, item.y, item.width, item.height)
        # item.text, item.confidence, item.font_name, item.font_size
lit parse document.pdf --format json -o document.json

JSON field layout: references/output_formats.md.

3. Parse specific pages

parser = LiteParse(target_pages="1-5,10,15-20", quiet=True)
result = parser.parse("long_paper.pdf")
lit parse long_paper.pdf --target-pages "1-5,10"

4. Parse from bytes or stdin

Useful for uploads, S3 downloads, or piping remote PDFs.

with open("document.pdf", "rb") as f:
    result = parser.parse(f.read())
curl -sL https://example.com/report.pdf | lit parse -

5. Page screenshots for multimodal agents

Screenshots capture visual content that text extraction alone misses (figures, complex tables, handwriting).

from pathlib import Path

parser = LiteParse(dpi=150, quiet=True)
shots = parser.screenshot("document.pdf", page_numbers=[1, 2, 3])
out = Path("screenshots")
out.mkdir(exist_ok=True)
for s in shots:
    (out / f"page_{s.page_num}.png").write_bytes(s.image_bytes)
lit screenshot document.pdf --target-pages "1,3,5" -o ./screenshots
lit screenshot document.pdf --dpi 300 -o ./screenshots

Combine JSON parse + screenshots when an agent needs both coordinates and pixels for the same pages.

6. Batch-parse a directory

For large corpora, prefer the CLI (parallel OCR workers) or the bundled script.

lit batch-parse ./papers ./parsed --format json --recursive
lit batch-parse ./papers ./parsed --extension .pdf --no-ocr
python scripts/batch_parse_dir.py ./papers ./parsed --format json --recursive

See scripts/batch_parse_dir.py for a Python batch wrapper without network calls.

7. OCR configuration

OCR is on by default. Tesseract is bundled; no extra install for basic English OCR.

parser = LiteParse(
    ocr_enabled=True,
    ocr_language="eng",       # Tesseract codes: fra, deu, etc.
    num_workers=4,            # parallel OCR (default: CPU cores - 1)
    dpi=150,                  # higher DPI → better OCR, slower
)
lit parse scan.pdf --ocr-language fra
lit parse scan.pdf --no-ocr
lit parse scan.pdf --ocr-server-url http://localhost:8080/ocr

Offline / air-gapped: set TESSDATA_PREFIX to a directory of .traineddata files, or pass --tessdata-path. Details: references/ocr_and_formats.md.

8. Encrypted PDFs

parser = LiteParse(password="secret", quiet=True)
result = parser.parse("protected.pdf")
lit parse protected.pdf --password secret

9. Search text items by phrase

Merge adjacent items and return combined bounding boxes for a phrase (e.g. section titles).

from liteparse import search_items

page = result.get_page(1)
matches = search_items(page.text_items, "Materials and Methods", case_sensitive=False)

Multi-Format Inputs

Category Extensions (examples) Requirement
PDF .pdf Native
Office .docx, .xlsx, .pptx, .doc, .odt, … LibreOffice
Images .png, .jpg, .tiff, .webp, .svg, … ImageMagick

Files are converted to PDF internally, then parsed. If conversion tools are missing, parsing fails with an actionable error — install the dependency and retry.


Performance Tips

  • --no-ocr on born-digital PDFs — largest speedup
  • target_pages — parse only methods/supplement sections
  • num_workers — scale OCR across CPU cores
  • max_pages — cap very large files (default 1000)
  • lit batch-parse — directory-scale jobs with --recursive and --extension
  • Lower dpi (e.g. 100) when OCR quality is already sufficient

Reference Files

File Read when
references/choosing_a_parser.md Unsure whether to use LiteParse, MarkItDown, pdf, or LlamaParse
references/api_reference.md Python/TypeScript API, types, search_items
references/cli_reference.md Full lit command flags
references/output_formats.md JSON schema, bboxes, confidence scores
references/ocr_and_formats.md Tesseract, HTTP OCR, LibreOffice, ImageMagick

Troubleshooting

Issue Fix
Office file fails Install LibreOffice; ensure soffice is on PATH (Windows: add LibreOffice program dir)
Image fails Install ImageMagick; verify convert or magick works
OCR poor quality Increase --dpi; try --ocr-language; or HTTP OCR server
OCR slow --no-ocr if not needed; reduce pages; increase num_workers
Air-gapped OCR export TESSDATA_PREFIX=/path/to/tessdata or --tessdata-path
ParseError on bytes Ensure input is valid PDF bytes (Office bytes need a file path + conversion)

Resources

Reproducido de K-Dense-AI/scientific-agent-skills bajo licencia Apache-2.0. Leer esta página en markdown.

Archivos

7 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Requiere Python 3.10+; LibreOffice para formatos Office e ImageMagick para imágenes son opcionales, y Tesseract para OCR viene incluido.

Necesita en el PATH:curlpython

Detalles

Creador
K-Dense-AI
Categoría
Documentos
Licencia
Apache-2.0
Recursos incluidos
scripts en python + referencias
Código fuente
Ver SKILL.md

Etiquetas

Más de K-Dense-AI/scientific-agent-skills

Este repo incluye 163 skills. Si instalas uno, normalmente ya tienes los demás.

Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.

Costo de contexto al activarse
3.7k tok
Tamaño del paquete
21 archivos
Última actualización
hace 28 días
investigacion

Realiza revisiones bibliográficas sistemáticas y completas usando varias bases académicas (PubMed, arXiv, bioRxiv, Semantic Scholar). Genera markdown y PDF con citas verificadas en varios estilos (APA, Nature, Vancouver).

Costo de contexto al activarse
3.2k tok
Tamaño del paquete
12 archivos
Última actualización
hace 15 días
investigacion

Crea decks de diapositivas y presentaciones para charlas de investigación: PowerPoint, presentaciones de conferencia, seminarios, defensas de tesis. Da estructura, plantillas, guía de tiempos y validación visual.

Costo de contexto al activarse
5.1k tok
Tamaño del paquete
24 archivos
Última actualización
hace 15 días
documentos

Crea infografías profesionales con Nano Banana Pro AI y refinamiento iterativo inteligente. Usa Gemini 3.6 Flash para revisar la calidad e integra investigación con Perplexity Sonar. Soporta 10 tipos, 8 estilos y paletas para daltonismo.

Costo de contexto al activarse
2.7k tok
Tamaño del paquete
8 archivos
Última actualización
hace 15 días
diseno ui

Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

Costo de contexto al activarse
3.9k tok
Tamaño del paquete
17 archivos
Última actualización
hace 15 días
documentos

Crea diagramas científicos de calidad de publicación con la IA Nano Banana 2 y refinamiento iterativo inteligente. Gemini 3.6 Flash revisa la calidad y solo regenera si está por debajo del umbral de tu tipo de documento.

Costo de contexto al activarse
4.1k tok
Tamaño del paquete
6 archivos
Última actualización
hace 15 días
diseno ui

Skills relacionados

Docx

34.8k

Crea, lee, edita y manipula documentos Word (.docx) y plantillas (.dotx): informes, memos, cartas, tablas de contenido, imágenes, buscar-reemplazar, cambios controlados y comentarios.

Costo de contexto al activarse
1.8k tok
Tamaño del paquete
61 archivos
Última actualización
el mes pasado
documentos

Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

Costo de contexto al activarse
3.9k tok
Tamaño del paquete
17 archivos
Última actualización
hace 15 días
documentos

Skill completa de escritura en markdown y diagramas Mermaid para documentos científicos, informes, análisis o visualizaciones. Establece los diagramas en texto como estándar, con guías de estilo, 24 tipos de diagrama y 9 plantillas.

Costo de contexto al activarse
3.7k tok
Tamaño del paquete
37 archivos
Última actualización
el mes pasado
documentos