在构建智能体或 RAG 流程时，只把文字解析出来往往不够。用户和应用经常需要你展示这些文字来自哪里。

LiteParse 会为每个文字项给出空间坐标，还能给出页面截图，于是你可以在渲染出的页面上精确高亮某个区域。

边界框是怎么工作的

以 JSON 输出解析文档时，每一页都带一份文字项列表 —— 每个抽出的文字元素都有它的位置（x、y、width、height）与内容。

终端窗口

lit parse document.pdf --format json

{
  "pages": [
    {
      "page": 1,
      "width": 612,
      "height": 792,
      "text": "Revenue grew 15% ...",
      "text_items": [
        {
          "text": "Revenue grew 15%",
          "x": 72,
          "y": 200,
          "width": 150,
          "height": 12
        }
      ]
    }
  ]
}

坐标单位是 PDF 点（1 点 = 1/72 英寸）。原点位于页面左上角，X 向右增大，Y 向下增大。

JSON 输出用 snake_case（text_items、page）。Node 绑定用 camelCase（textItems、pageNum），Python 用 snake_case（text_items、page_num）。下面的示例各按自己语言的命名书写。

库用法

库允许你在一个脚本里同时完成「为边界框解析」与「生成截图」。例如搜索“0°C to 70°C”，并展示它出现在哪里：

• TypeScript
• Python

TypeScript

import { LiteParse, searchItems } from "@llamaindex/liteparse";

const parser = new LiteParse({ outputFormat: "json" });
const result = await parser.parse("report.pdf");

for (const page of result.pages) {
  const matches = searchItems(page.textItems, { phrase: "0°C to 70°C" });
  for (const match of matches) {
    console.log(`Found "${match.text}" at (${match.x}, ${match.y}) ${match.width}×${match.height}`);
  }
}

Python

from liteparse import LiteParse, search_items

parser = LiteParse()
result = parser.parse("report.pdf")

for page in result.pages:
    matches = search_items(page.text_items, "0°C to 70°C")
    for match in matches:
        print(f'Found "{match.text}" at ({match.x}, {match.y}) {match.width}×{match.height}')

把坐标换算成图片像素

文字项坐标是 PDF 点，而截图是像素。要在截图上画出高亮，需要先对坐标做缩放：

const scaleFactor = dpi / 72; // PDF points -> pixels at your chosen DPI

function itemToPixels(item, dpi = 150) {
  const scale = dpi / 72;
  return {
    x: item.x * scale,
    y: item.y * scale,
    width: item.width * scale,
    height: item.height * scale,
  };
}

例如在默认的 150 DPI 下，缩放系数是 150 / 72 ~ 2.08，于是位于 (72, 200) 的文字项对应像素 (150, 416)。

完整示例：用 sharp 绘制引用高亮

下面是一条完整的流程：解析 PDF、搜索一个短语，并在页面截图上画出黄色高亮框：

import { LiteParse, searchItems } from "@llamaindex/liteparse";
import sharp from "sharp";

const DPI = 150;
const SCALE = DPI / 72;

async function main() {
  const parser = new LiteParse({ outputFormat: "json", dpi: DPI });

  const result = await parser.parse("manual.pdf");
  const screenshots = await parser.screenshot("manual.pdf");

  // Search for a phrase, grouped by page
  const query = "0°C to 70°C";
  const hitsByPage = new Map<number, Array<{ x: number; y: number; width: number; height: number }>>();

  for (const page of result.pages) {
    const matches = searchItems(page.textItems, { phrase: query });
    if (matches.length) hitsByPage.set(page.pageNum, matches);
  }

  // Draw all highlights per page into a single image
  for (const [pageNum, rects] of hitsByPage) {
    const shot = screenshots.find((s) => s.pageNum === pageNum);
    if (!shot) continue;

    const composites = await Promise.all(
      rects.map(async (rect) => {
        const pixel = {
          left: Math.round(rect.x * SCALE),
          top: Math.round(rect.y * SCALE),
          width: Math.round(rect.width * SCALE),
          height: Math.round(rect.height * SCALE),
        };

        const overlay = await sharp({
          create: {
            width: pixel.width,
            height: pixel.height,
            channels: 4,
            background: { r: 255, g: 255, b: 0, alpha: 0.3 },
          },
        })
          .png()
          .toBuffer();

        return { input: overlay, left: pixel.left, top: pixel.top };
      })
    );

    const highlighted = await sharp(shot.imageBuffer)
      .composite(composites)
      .png()
      .toBuffer();

    await sharp(highlighted).toFile(`citation_page${pageNum}.png`);
    console.log(`Saved citation_page${pageNum}.png (${rects.length} highlights)`);
  }
}

main().catch(console.error);

对某个 PDF 运行这个脚本，会产出把搜索短语高亮出来的新图片，精确展示该信息在页面上的位置。

CLI 用法

解析为 JSON 以取得边界框：

终端窗口

lit parse document.pdf --format json -o result.json

同时生成页面截图：

终端窗口

lit screenshot document.pdf -o ./screenshots

之后，你（或一个智能体）就可以用手头任何工具，按需处理得到的 JSON 与截图。

小贴士

• parse() 与 screenshot() 要用同一个 dpi 值。两者默认都是 150。
• JSON 里页面的 width 与 height 以 PDF 点计，与坐标空间一致。要把坐标归一化成百分比时就用它们。
• 要做多词短语搜索，请遍历 textItems 并检查相邻项 —— 一个短语可能跨多个文字项。
• 想高亮整个标题、段落或表格而不是逐个词，请用 extract_blocks 解析。每个块自带一个覆盖其所有来源行的 bbox，因此无需自己拼接文字项就能框出某个区域 —— 表格单元格也各自带框，可用于单元格级引用。