BytesRouter

主题

LlamaParse 文档版本 跟随上游 源快照 ceca6a71 更新于 2026-10-16

已弃用

本页记录的是已弃用的 Parse v1 API。新的接入请使用 Parse v2；改造已有的 v1 代码请见v1 到 v2 迁移指南。

设置语言

LlamaParse 用 OCR 从图片里抽文字。我们的 OCR 支持很长一串语言。用逗号分隔即可指定一个或多个语言。它只影响从图片里抽出的文字。

  • Python
  • API
parser = LlamaParse(
  language="fr"
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'language="fr"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

关掉 OCR

默认情况下，LlamaParse 会对文档内嵌的图片跑 OCR。用 disable_ocr=True 可以关掉。

  • Python
  • API
parser = LlamaParse(
  disable_ocr=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'disable_ocr="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

跳过斜排文字

默认情况下，LlamaParse 会尝试解析页面上斜排的文字。这对某些文档有用，但也会引入噪声与错误。要避免解析斜排文字，设 skip_diagonal_text=True。

  • Python
  • API
parser = LlamaParse(
  skip_diagonal_text=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'skip_diagonal_text="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

不重排分栏

默认情况下，LlamaParse 会把分栏展开成阅读顺序。设 do_not_unroll_columns=True 可阻止它这么做。

  • Python
  • API
parser = LlamaParse(
  do_not_unroll_columns=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'do_not_unroll_columns="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

指定页

默认会抽取所有页。只解析特定页时，传一个逗号分隔的字符串。页号从 0 开始。

  • Python
  • API
parser = LlamaParse(
  target_pages="0,2,7"
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'target_pages="0,2,7"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

分页符

默认情况下，LlamaParse 在 markdown 与 text 输出里用 \n---\n 分隔各页。你可以把 page_separator 设成想要的字符串来改掉这个分隔符。

也可以在分隔符字符串里用 {pageNumber} 把页号一并带上，它会被替换成下一页的页号。

  • Python
  • API
parser = LlamaParse(
  page_separator="\n=================\n",
  # page_separator="\n== {pageNumber} ==\n" # Will transform to "\n== 4 ==\n" to separate page 3 and 4.
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'page_separator="\n== {pageNumber} ==\n"' \
  --form 'page_prefix="START OF PAGE: {pageNumber}\n"' \
  --form 'page_suffix="\nEND OF PAGE: {pageNumber}"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

页前缀与页后缀

可以指定加在每一页前后的前缀或后缀字符串。这些字符串里同样可以含 {pageNumber}，会被替换成当前页号。两个参数都是可选的，默认为空。

  • Python
  • API
parser = LlamaParse(
  page_prefix="START OF PAGE: {pageNumber}\n"
  page_suffix="\nEND OF PAGE: {pageNumber}"
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'page_prefix="START OF PAGE: {pageNumber}\n"
  page_suffix="\nEND OF PAGE: {pageNumber}"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

边界框

指定文档中你想解析的区域。这对去掉页眉页脚很有用：按从上开始顺时针的顺序，用逗号分隔给出四个边界余量。余量以页面尺寸的比例表示，取值是 0 到 1 之间的数。

示例：

  • 要去掉文档最上方 10%：bounding_box=“0.1,0,0,0”
  • 要去掉最上方 10% 与最下方 20%：bounding_box=“0.1,0,0.2,0”
  • Python
  • API
parser = LlamaParse(
  bounding_box="0.1,0,0.2,0"
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'bounding_box="0.1,0,0.2,0"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

抓取屏

为每一页截一张图，并按下面的格式加进 JSON 输出：

{
  "images": [
    {
      "name": "page_1.jpg",
      "height": 792,
      "width": 612,
      "x": 0,
      "y": 0,
      "type": "full_page_screenshot"
    }
  ]
}
  • Python
  • API
parser = LlamaParse(
  take_screenshot=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'take_screenshot="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

关掉图片抽取

可以用 disable_image_extraction=true 关掉图片抽取，以获得更好的性能

  • Python
  • API
parser = LlamaParse(
  disable_image_extraction=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'disable_image_extraction="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

让一个 sheet 里抽出多张表

默认情况下 LlamaParse 把电子表格的每个 sheet 当作一张表抽取。设 spreadsheet_extract_sub_tables=true 后，LlamaParse 会尝试识别含多张表的 sheet，并把它们作为独立的表分别返回。

  • Python
  • API
parser = LlamaParse(
  spreadsheet_extract_sub_tables=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'spreadsheet_extract_sub_tables="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

强制重算电子表格里的公式单元格

默认情况下，对于含公式的单元格，只要文档里存在缓存值，LlamaParse 就抽取那个缓存（预算好的）值。设 spreadsheet_force_formula_computation=true 后，LlamaParse 会为所有含公式的单元格重新计算取值。

  • Python
  • API
parser = LlamaParse(
  spreadsheet_force_formula_computation=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'spreadsheet_force_formula_computation="true"' \
  -F 'file=@/path/to/your/file.xlsx;type=application/vnd.openxmlformats-officedocument.spreadsheetml.sheet'

请注意，用 spreadsheet_force_formula_computation=true 会拖累含公式电子表格的解析性能。

在 markdown 里以 HTML 输出表格

markdown 表格的一个常见问题是处理不好合并单元格。可以让 LlamaParse 用带 colspan 与 rowspan 的 HTML 返回表格，以更如实地表达表的结构。设 output_tables_as_HTML=true 后，markdown 里出现的表格都会以 HTML 表格输出。

  • Python
  • API
parser = LlamaParse(
  output_tables_as_HTML=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'output_tables_as_HTML="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

跨页保持对齐

设 preserve_layout_alignment_across_pages=True 会尝试在 text 模式下跨页保持文字对齐。对于表格或对齐关系跨页延续的文档很有用。

  • Python
  • API
parser = LlamaParse(
  preserve_layout_alignment_across_pages=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'preserve_layout_alignment_across_pages="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

保留极小文字

设 preserve_very_small_text=True 后，LlamaParse 会尽力保留极小的文字行。对于含矢量图形、且其上文字行小到 OCR 或视觉模型认不出的文档很有用（例如 CAD 图纸）。

  • Python
  • API
parser = LlamaParse(
  preserve_very_small_text=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'preserve_very_small_text="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

隐藏页眉

设为 true 时，LlamaParse 会尽量不在 Markdown 输出里给出页眉。被移掉的页眉如需取用，可在 JSON 对象的 pageHeaderMarkdown 字段里找到。

LlamaParse 会按所选模式用不同技术识别页眉；Fast 模式下不会检测页眉。

  • Python
  • API
parser = LlamaParse(
  hide_headers=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'hide_headers="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

隐藏页脚

设为 true 时，LlamaParse 会尽量不在 Markdown 输出里给出页脚。被移掉的页脚如需取用，可在 JSON 对象的 pageFooterMarkdown 字段里找到。

LlamaParse 会按所选模式用不同技术识别页脚；Fast 模式下不会检测页脚。

  • Python
  • API
parser = LlamaParse(
  hide_footers=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'hide_footers="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

页眉/页脚的前缀与后缀

LlamaParse 允许你给一页 Markdown 的页眉/页脚加前缀或后缀字符串，从而控制它们在 Markdown 里怎么呈现。

可以用下面这些属性来设置：

  • page_header_prefix ：定义放在页眉之前的前缀
  • page_header_suffix ：定义放在页眉之后的后缀
  • page_footer_prefix ：定义放在页脚之前的前缀
  • page_footer_suffix ：定义放在页脚之后的后缀

注意：Fast 模式不会检测页眉页脚，因此这几个参数在那种情况下不起作用。

  • Python
  • API
parser = LlamaParse(
  page_header_prefix="[Header]",
  page_header_suffix="[/Header]",
  page_footer_prefix="[Footer]",
  page_footer_suffix="[/Footer]"
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'page_header_prefix=""[Header]"' \
  --form 'page_header_suffix=""[/Header]"' \
  --form 'page_footer_prefix=""[Footer]"' \
  --form 'page_footer_suffix=""[/Footer]"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

带上这样的请求后，检出了页眉与页脚的那一页，其 markdown 会是这样：

[Header]
Journal of computer science, April 3 2025 edition
[/Header]

Some content

[Footer]
All right reserved, Corp Inc.
Page 2
[/Footer]

在 markdown 里跨页合并表格

设为 true 时，LlamaParse 会在合理的情况下尝试把跨页的表格在输出 markdown 里合并。结果是 markdown 不再分页，并且所有页脚与页眉都会被移除。

  • Python
  • API
parser = LlamaParse(
  merge_tables_across_pages_in_markdown=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'merge_tables_across_pages_in_markdown="true"' \
  -F 'file=@/path/to/your/file.pdf;type=application/pdf'

抽取演示文稿幻灯片里越界的内容

设为 true 时，对受支持的演示文稿格式，LlamaParse 会抽取幻灯片里越出边界的内容。默认不抽取越界内容。

  • Python
  • API
parser = LlamaParse(
  presentation_out_of_bounds_content=True
)

终端窗口

curl -X 'POST' \
  'https://api.cloud.llamaindex.ai/api/v1/parsing/upload'  \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -H "Authorization: Bearer $LLAMA_CLOUD_API_KEY" \
  --form 'presentation_out_of_bounds_content="true"' \
  -F 'file=@/path/to/your/file.pptx;type=application/vnd.openxmlformats-officedocument.presentationml.presentation'

目前支持越界内容抽取的格式有：

  • .pptx（PowerPoint 2007 及以上）

友情链接

  • Agents.md面向 AI 编码助手的仓库说明文件规范
  • LangChainLangChain 是一个开放的Agent平台
  • LangSmithAgent 工程平台：可观测与评估、部署、Fleet、Engine 等
  • EmbabelEmbabel 是一个JVM平台Agent框架
  • SpringAISpringAI 是一个基于 Spring 的 AI 框架
  • MCPModel Context Protocol，连接 AI 应用与外部数据/工具的开放标准
  • LangChain4jJava 生态的 LLM 应用开发框架
  • LlamaIndex把数据接入 LLM 的框架与文档平台
  • LlamaParse智能体式 OCR 文档解析：把 PDF、扫描件变成 LLM 可用的文本与结构化数据
  • LiteParse本地优先、轻量的文档解析库，不需要 API key
  • CrewAI多智能体编排框架：以 Crew/Flow 组织自主协作的 AI Agent
  • MAFMicrosoft Agent Framework，企业级 .NET/Python 智能体框架

BytesRouter 是社区翻译站点，所有译文仅供参考，一切以官方英文原文为准。

© 2026 BytesRouter · 译文采用 CC BY 4.0 许可