本文へスキップ

kreuzberg

ローカルの Python ライブラリで文書からテキストを抽出

公式サイトを見る

kreuzberg とは

kreuzberg は簡潔なローカル API で多くの文書形式からテキストを取り出す現代的な Python ライブラリと紹介されている。

できること

  • PDF・画像・オフィスファイルからテキストを取り出す
  • スキャン文書に OCR をかける
  • 文字コードを自動で検出する

導入の手順

  • pip でライブラリを導入する
  • Pandoc と Tesseract OCR を加える
  • extract_file または extract_bytes を使う
  • ファイル経路かバイト列を渡す

長所と短所

✓ 良い点

  • 外部 API やクラウド依存が不要と説明
  • 資源の占用が軽いと挙がる

! 注意したい点

  • 処理はローカルで完結すると説明
  • Pandoc や Tesseract などの導入が要る

よくある質問

対応形式は?

機能一覧は PDF、画像、オフィス文書を挙げる。

どう導入する?

資料は pip による導入と Pandoc、Tesseract OCR を挙げる。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法