# NexaPDF

**Repository Path**: asurd/nexa-pdf

## Basic Information

- **Project Name**: NexaPDF
- **Description**: NexaPDF —— 基于NLP的智能文档检索助手
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 2
- **Created**: 2025-12-02
- **Last Updated**: 2026-01-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NexaPDF
**智能文档解析与检索助手**

![licence](https://img.shields.io/badge/licence-MIT-73ff00?style=flat)  ![version](https://img.shields.io/badge/version-v1.0-11ff00?style=flat)

***
### 软件架构
NexaPDF 是一个基于**Python**的智能文档解析与语义检索系统，支持 PDF / DOCX / PPTX / TXT 等格式文档的解析、索引构建与搜索。
系统由三个核心模块组成：

模块 1：文档解析（Document Parser）

模块 2：索引构建（Index Builder: TF-IDF + BM25 + 倒排索引）

模块 3：查询检索（Search Engine）

项目旨在实现一个完整的“文档 → 分析 → 检索”流程，可用于信息提取、文档管理、知识库系统等应用

### 具体功能
#### 模块一
通过python的拓展库函数进行不同文件类型的解析，主要是章节标题和章节内容的划分，并把结果存入一个大的dict当中，提供给模块二进行索引构建
#### 模块二
构建倒排索引和BM25等各种评分来对文档内容进行精确地定位
#### 模块三
通过模块二的文本评分来精确锁定用户询问的内容，并进行简单的高亮显示和输出

### 使用教程
1. 把仓库内容克隆到本地
2. 在目录下 pip install -r requirements.txt 安装依赖
3. 运行 run.py

### 参与贡献
1.  Fork本仓库
2.  新建自己的分支
3.  提交代码
4.  新建Pull Request