如何自定义 LiteParse CLI 命令从 config 到 main.rs 全链路【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparseLiteParse 是一款快速、开源的文档解析工具其lit命令行可以把 PDF、DOCX、XLSX、PPTX 和图片一键解析成 Markdown、JSON 或纯文本并内置 OCR 能力。本文带你从config一路走到main.rs拆解 LiteParse CLI 命令的完整链路命令在哪里定义、参数如何声明、配置如何生效以及如何扩展出属于自己的新子命令。一、先认识 4 个核心子命令LiteParse 的 CLI 由 clap 构建入口结构体名为lit定义在 main.rs。面向用户的有 4 个子命令另有 2 个隐藏的开发调试命令子命令作用典型场景lit parse解析单个文档PDF 转 Markdown 喂给 LLMlit batch-parse批量解析一个目录整库文档批量入库lit screenshot渲染页面截图PNG给 Agent 提供视觉输入lit is-complex廉价判断文档是否需要 OCR解析前路由/预估成本lit extract/lit image-bounds调试用默认隐藏开发排查文本项与图片框完整的参数清单可以在官方 CLI 参考文档中查到cli-reference.md。下面这张图就是一个典型的解析对象——带条形码的扫描收据正是 LiteParse OCR 链路的用武之地二、第一站main.rs 里的命令骨架打开 main.rs链路的第一站就是命令骨架分三层顶层Cli结构体L11-L20声明命令名lit、版本号和帮助文案通过#[command(subcommand)]挂接子命令Commands枚举L22-L38每个变体对应一个子命令注释自动变成--help里的描述#[command(hide true)]则让命令不出现在帮助中各子命令的Args结构体如ParseCommandL40-L173、BatchParseCommandL201-L301字段就是命令行参数。 记住这个分层枚举定命令结构体定参数这是 clap derive 模式的标准写法。三、参数是怎么声明的#[arg]约定参数全部靠字段 属性宏声明几个高频写法/// Output format: json, text, or markdown #[arg(long, default_value text)] format: String, /// Target pages (e.g., 1-5,10,15-20) #[arg(long)] target_pages: OptionString, /// Password for encrypted/protected documents #[arg(long)] password: OptionString,对应规则很直观见 main.rs裸字段如file: String→位置参数#[arg(long)]→--xxx加short→ 多一个-xdefault_value→ 默认值会显示在帮助里OptionT→ 可选参数未传为NoneVecT→ 可重复传入如--ocr-server-header复杂值可用value_parser自定义解析函数如parse_headerL370-L379把Name: Value拆成键值对。字符串型枚举则交给转换函数例如--format由parse_output_format映射到OutputFormat::Json / Text / MarkdownL341-L351非法值会返回带提示的错误。四、第二站config.rs 里的 LiteParseConfig⚙️ 注意区分两个配置命令行结构体ParseCommand等只负责接参数生命周期只到main()运行时配置LiteParseConfig 才是真正驱动解析引擎的结构它可序列化、可克隆同样被 Python / Node.js / WASM 绑定复用。main()中会做一次显式的参数 → 配置装配main.rs L421-L455let mut config LiteParseConfig { ocr_language: cmd.ocr_language, ocr_enabled: !cmd.no_ocr, dpi: cmd.dpi, output_format: format, // ...其余字段一一映射 ..Default::default() };几个值得注意的细节LiteParseConfig的 Default 实现是库默认值如output_format Json、dpi 150而 CLI 默认值定义在#[arg(default_value ...)]上两者刻意分开库用户和 CLI 用户各取所需页面范围字符串1-5,10,15-20由 parse_target_pages 展开为页码列表并内置了 10 万页上限防止恶意范围导致内存爆炸--image-mode映射到 ImageModeoff/placeholder/embed控制 Markdown 中图片占位的行为。五、第三站LiteParse::new 到输出落地装配完 config 后链路就通了Cli::parse() → LiteParseConfig → LiteParse::new(config) → lp.parse(file).await → ParseResult → 按 output_format 渲染json / text / markdown → stdout 或 -o 写入文件解析器核心在 parser.rsLiteParse还持有parse_input支持从 stdin 管道读入即lit parse -、screenshot、is_complex等入口输出渲染集中在 output/json.rs生成结构化 JSON、text.rs生成纯文本、Markdown 直接取自result.textmain.rs L462-L468批量模式下main()还负责遍历目录、镜像子目录结构写出结果并在有失败时返回非零退出码L516-L638。六、动手扩展新增一个子命令只需 3 步 ️以新增lit stats输出文档统计为例改动全部集中在 main.rs第 1 步在Commands枚举加变体L22-L38#[derive(Subcommand, Debug)] enum Commands { Parse(ParseCommand), Stats(StatsCommand), // 新增 // ... }第 2 步定义参数结构体字段即参数完全套用第三节的#[arg]约定第 3 步在main()的match cli.command中加分支L416构造LiteParseConfig用不到的字段交给..Default::default()调用LiteParse对应方法并打印结果。反过来新增一个参数只需三步在对应命令结构体加字段 → 在main()装配LiteParseConfig时映射过去 → 若涉及新解析行为在 config.rs 给LiteParseConfig加字段并更新Default。最后仿照文件底部测试模块L777-L882用Cli::try_parse_from([...])断言参数被正确接收就能保证 CLI 契约不回归let cli Cli::try_parse_from([lit, parse, a.pdf, --stats]).unwrap();七、全链路速查表环节文件关键点命令骨架main.rsCliCommands枚举参数声明main.rs#[arg]/value_parser运行时配置config.rsLiteParseConfigDefault解析执行parser.rsLiteParse::new(config)输出渲染output/json / text / markdown官方参数手册cli-reference.md全部命令与默认值 一句话总结命令在main.rs声明配置在config.rs承载解析在parser.rs执行输出在output/落地。掌握这条链路后无论是加一个参数还是整个新子命令都是按图索骥的体力活。【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparse创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何自定义 LiteParse CLI 命令从 config 到 main.rs 全链路【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparseLiteParse 是一款快速、开源的文档解析工具其lit命令行可以把 PDF、DOCX、XLSX、PPTX 和图片一键解析成 Markdown、JSON 或纯文本并内置 OCR 能力。本文带你从config一路走到main.rs拆解 LiteParse CLI 命令的完整链路命令在哪里定义、参数如何声明、配置如何生效以及如何扩展出属于自己的新子命令。一、先认识 4 个核心子命令LiteParse 的 CLI 由 clap 构建入口结构体名为lit定义在 main.rs。面向用户的有 4 个子命令另有 2 个隐藏的开发调试命令子命令作用典型场景lit parse解析单个文档PDF 转 Markdown 喂给 LLMlit batch-parse批量解析一个目录整库文档批量入库lit screenshot渲染页面截图PNG给 Agent 提供视觉输入lit is-complex廉价判断文档是否需要 OCR解析前路由/预估成本lit extract/lit image-bounds调试用默认隐藏开发排查文本项与图片框完整的参数清单可以在官方 CLI 参考文档中查到cli-reference.md。下面这张图就是一个典型的解析对象——带条形码的扫描收据正是 LiteParse OCR 链路的用武之地二、第一站main.rs 里的命令骨架打开 main.rs链路的第一站就是命令骨架分三层顶层Cli结构体L11-L20声明命令名lit、版本号和帮助文案通过#[command(subcommand)]挂接子命令Commands枚举L22-L38每个变体对应一个子命令注释自动变成--help里的描述#[command(hide true)]则让命令不出现在帮助中各子命令的Args结构体如ParseCommandL40-L173、BatchParseCommandL201-L301字段就是命令行参数。 记住这个分层枚举定命令结构体定参数这是 clap derive 模式的标准写法。三、参数是怎么声明的#[arg]约定参数全部靠字段 属性宏声明几个高频写法/// Output format: json, text, or markdown #[arg(long, default_value text)] format: String, /// Target pages (e.g., 1-5,10,15-20) #[arg(long)] target_pages: OptionString, /// Password for encrypted/protected documents #[arg(long)] password: OptionString,对应规则很直观见 main.rs裸字段如file: String→位置参数#[arg(long)]→--xxx加short→ 多一个-xdefault_value→ 默认值会显示在帮助里OptionT→ 可选参数未传为NoneVecT→ 可重复传入如--ocr-server-header复杂值可用value_parser自定义解析函数如parse_headerL370-L379把Name: Value拆成键值对。字符串型枚举则交给转换函数例如--format由parse_output_format映射到OutputFormat::Json / Text / MarkdownL341-L351非法值会返回带提示的错误。四、第二站config.rs 里的 LiteParseConfig⚙️ 注意区分两个配置命令行结构体ParseCommand等只负责接参数生命周期只到main()运行时配置LiteParseConfig 才是真正驱动解析引擎的结构它可序列化、可克隆同样被 Python / Node.js / WASM 绑定复用。main()中会做一次显式的参数 → 配置装配main.rs L421-L455let mut config LiteParseConfig { ocr_language: cmd.ocr_language, ocr_enabled: !cmd.no_ocr, dpi: cmd.dpi, output_format: format, // ...其余字段一一映射 ..Default::default() };几个值得注意的细节LiteParseConfig的 Default 实现是库默认值如output_format Json、dpi 150而 CLI 默认值定义在#[arg(default_value ...)]上两者刻意分开库用户和 CLI 用户各取所需页面范围字符串1-5,10,15-20由 parse_target_pages 展开为页码列表并内置了 10 万页上限防止恶意范围导致内存爆炸--image-mode映射到 ImageModeoff/placeholder/embed控制 Markdown 中图片占位的行为。五、第三站LiteParse::new 到输出落地装配完 config 后链路就通了Cli::parse() → LiteParseConfig → LiteParse::new(config) → lp.parse(file).await → ParseResult → 按 output_format 渲染json / text / markdown → stdout 或 -o 写入文件解析器核心在 parser.rsLiteParse还持有parse_input支持从 stdin 管道读入即lit parse -、screenshot、is_complex等入口输出渲染集中在 output/json.rs生成结构化 JSON、text.rs生成纯文本、Markdown 直接取自result.textmain.rs L462-L468批量模式下main()还负责遍历目录、镜像子目录结构写出结果并在有失败时返回非零退出码L516-L638。六、动手扩展新增一个子命令只需 3 步 ️以新增lit stats输出文档统计为例改动全部集中在 main.rs第 1 步在Commands枚举加变体L22-L38#[derive(Subcommand, Debug)] enum Commands { Parse(ParseCommand), Stats(StatsCommand), // 新增 // ... }第 2 步定义参数结构体字段即参数完全套用第三节的#[arg]约定第 3 步在main()的match cli.command中加分支L416构造LiteParseConfig用不到的字段交给..Default::default()调用LiteParse对应方法并打印结果。反过来新增一个参数只需三步在对应命令结构体加字段 → 在main()装配LiteParseConfig时映射过去 → 若涉及新解析行为在 config.rs 给LiteParseConfig加字段并更新Default。最后仿照文件底部测试模块L777-L882用Cli::try_parse_from([...])断言参数被正确接收就能保证 CLI 契约不回归let cli Cli::try_parse_from([lit, parse, a.pdf, --stats]).unwrap();七、全链路速查表环节文件关键点命令骨架main.rsCliCommands枚举参数声明main.rs#[arg]/value_parser运行时配置config.rsLiteParseConfigDefault解析执行parser.rsLiteParse::new(config)输出渲染output/json / text / markdown官方参数手册cli-reference.md全部命令与默认值 一句话总结命令在main.rs声明配置在config.rs承载解析在parser.rs执行输出在output/落地。掌握这条链路后无论是加一个参数还是整个新子命令都是按图索骥的体力活。【免费下载链接】liteparseA fast, helpful, and open-source document parser项目地址: https://gitcode.com/GitHub_Trending/li/liteparse创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
