Kreuzberg – Rust 文档提取引擎

Kreuzberg 是一款基于 Rust 编写的高性能多格式文档提取引擎。它原生支持 90 多种文件格式和 248 种编程语言，主打多语言绑定（SDK）、低内存占用和本地化隐私处理，非常适合作为 RAG（检索增强生成）管道、本地知识库构建或大规模数据抽取的基础设施。

Rust 编写的高速多格式文档解析框架，适合 RAG、本地知识库、数据抽取。

核心功能

• 支持 PDF/Word/Excel/ 图片 / EPUB 等50 + 格式
• 提取文本、元数据、表格、结构化信息
• 多语言、低内存、高并发

GitHub项目网址：https://github.com/kreuzberg-dev/kreuzberg

官网：https://kreuzberg.dev/

核心功能

• 多格式深度提取：支持 PDF、Word、Excel、PPT、图片、EPUB、邮件等 90 多种格式。不仅能提取纯文本，还能智能识别并提取表格结构、元数据（作者、创建时间等）以及代码符号（函数、类等）。
• 智能 OCR 引擎：内置 Tesseract、EasyOCR、PaddleOCR 等多种后端。它能自动检测文档是否包含文本层，有文本直接提取（快路径），无文本才触发 OCR（慢路径），并支持表格检测与重建。
• 高性能与低资源：得益于 Rust 核心与流式解析器，处理大文件时内存占用极低，且无需 GPU 即可全速运行，支持高并发批量处理。
• 广泛的语言与部署支持：提供了 Python、Node.js、Go、Java、C# 等 12+ 种语言的原生绑定或 FFI 接口。支持通过 CLI 命令行、REST API 服务器、Docker 容器或 MCP 服务器等多种方式部署。