外部精选
软件工程
#开发者实时流john-friedman 发布 doc2struct：单 CPU 线程 40 秒解析 19GB 年报
来源标题：Show HN: Document parsing 5B tokens on a single CPU thread
开发者 john-friedman 在 Show HN 发布 MIT 许可的文档解析算法 doc2struct，可在单个 CPU 线程上快速解析文档。其示例为 40 秒解析 19GB 的 2025 年年报数据，并保留嵌套结构、进行轻度表格清理。该工具是其此前解析器 doc2dict 的后续版本。
Hacker News 最新jgfriedman19992026/11/6 · 今天1 分钟阅读
这个来源的 RSS 只提供摘要，下面是原文导语；完整论述请点「打开原文」。
MIT 许可证：https://github.com/john-friedman/doc2structdoc2struct 是一种可以在单线程上快速解析文档的算法。例如，它可以在 40 秒内解析完 2025 年的所有年度报告，共 19GB。它保留嵌套结构，进行轻度表格清理等。它接续了我之前的文档解析器 https://github.com/john-friedman/doc2dict 评论链接：https://news.ycombinator.com/item?id=50388374 点数：1 评论数：0
本条为导读摘要，完整论述请以原文为准。