844 B
844 B
layout
| layout |
|---|
| default |
Otros extractores a conocer
Cuando pdf-parse no es suficiente (PDFs escaneados, tablas complejas, layouts mixtos):
| Extractor | Descripción | JS/TS | Tablas | OCR |
|---|---|---|---|---|
| Docling (IBM) | Comprensión avanzada de layout | ❌ Solo Python | ✅ | ✅ |
| Azure Doc Intelligence | Servicio cloud de Microsoft | ✅ | ✅ | ✅ |
| Amazon Textract | Servicio cloud de AWS | ❌ Solo Python | ✅ | ✅ |
| LlamaParse | Parser de LlamaIndex, API cloud | ✅ via API | ✅ | ✅ |
Docling — mención especial
- Proyecto open source de IBM con excelente calidad de extracción
- Integración oficial solo con LangChain Python (
langchain-docling) - Desde Node.js: consumir su API REST o usar como preproceso a markdown.