MCP 服务器

ParseFlow MCP Server

Enables AI assistants to parse and search documents including PDF, Word, Excel, PowerPoint, and images via OCR, with support for semantic search and batch processing.

README

📄 ParseFlow

AI 驱动的全能文档解析库

English | 中文

</div>

ParseFlow 是一个全面的文档解析解决方案，支持 PDF、Word、Excel、PowerPoint 和 图片 OCR。它提供独立的核心库和 MCP 服务器，可供 AI 助手使用。

✨ 功能特性

📄 PDF 支持

✅ 多策略文本提取（原始、格式化、清理）
✅ 按页或按范围提取
✅ 🔐 加密 PDF 密码支持
✅ 📄 PDF 合并、拆分、提取页面
✅ 元数据获取、全文搜索

📝 Word / 📊 Excel / 🎯 PowerPoint

✅ 文本提取和搜索
✅ HTML 转换（Word）
✅ 多工作表支持（Excel）
✅ 幻灯片提取（PowerPoint）

🔍 OCR 图片识别

✅ 支持 12 种语言
✅ 图片文字提取和搜索

🧠 语义搜索

✅ AI 向量嵌入
✅ 智能文档搜索（无需精确关键词）

📦 批量处理

✅ 并行处理多个文件
✅ 目录递归扫描
✅ 批量提取和搜索

🤖 MCP 服务器

✅ 20 个 AI 助手工具
✅ 支持 Claude Desktop、Windsurf、Cursor

📦 安装

核心库

npm install parseflow-core

MCP 服务器

npm install -g parseflow-mcp-server
# 或使用 npx
npx parseflow-mcp-server

🚀 快速开始

PDF 解析

import { PDFParser } from 'parseflow-core';

const parser = new PDFParser();
const text = await parser.extractText('document.pdf');
const results = await parser.search('document.pdf', '关键词');

Word 解析

import { WordParser } from 'parseflow-core';

const parser = new WordParser();
const result = await parser.extractText('report.docx');
const html = await parser.extractHTML('report.docx');

Excel 解析

import { ExcelParser } from 'parseflow-core';

const parser = new ExcelParser();
const data = await parser.extractData('spreadsheet.xlsx');
const results = await parser.searchText('data.xlsx', '收入');

PowerPoint 解析

import { PowerPointParser } from 'parseflow-core';

const parser = new PowerPointParser();
const result = await parser.extractText('presentation.pptx');
const results = await parser.searchText('slides.pptx', '关键词');

🛠️ MCP 服务器配置

Claude Desktop

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "parseflow": {
      "command": "npx",
      "args": ["-y", "parseflow-mcp-server"]
    }
  }
}

可用工具（23 个）

类别	工具	描述
PDF	`extract_text`	提取文本（支持加密 PDF）
	`get_metadata`	获取元数据
	`search_pdf`	全文搜索
	`extract_images`	提取图片
	`get_toc`	获取目录
	`merge_pdf`	合并多个 PDF
	`split_pdf`	拆分为单页
	`extract_pdf_pages`	提取指定页码
	`add_watermark`	添加文字水印
	`add_image_watermark`	添加图片水印
	`remove_watermark`	移除水印（覆盖）
Word	`extract_word`	提取文本/HTML
	`search_word`	文本搜索
Excel	`extract_excel`	提取数据
	`search_excel`	单元格搜索
PPT	`extract_powerpoint`	提取幻灯片
	`search_powerpoint`	幻灯片搜索
OCR	`extract_ocr`	图片文字识别
	`search_ocr`	OCR 文本搜索
AI	`semantic_index`	文档向量索引
	`semantic_search`	语义相似搜索
批量	`batch_extract`	批量提取多文件
	`batch_search`	批量搜索多文件

📈 版本历史

版本	功能
v1.8.0	💧 PDF 水印（文字/图片水印）
v1.7.0	📦 批量处理（并行处理多文件）
v1.6.0	🧠 语义搜索（AI 向量嵌入）
v1.5.0	📄 PDF 合并/拆分/提取
v1.4.0	🔐 加密 PDF 支持
v1.3.0	🔍 OCR 图片文字识别
v1.2.0	🎯 PowerPoint 支持
v1.1.0	📝 Word + 📊 Excel 支持
v1.0.0	📄 PDF 基础解析