单核 CPU 40 秒就能啃完 19GB 年报，表格结构还都留着，开源免费就能拿。 doc2struct 就是一个单 CPU 线程就能高速解析文档、保留嵌套结构和表格的开源解析算法，MIT 协议，作者说它能处理 5B tokens，2025 年全部年度报告 19GB 的量 40 秒就解析完了，还顺手做了表格基础清洗。它是作者之前那个 doc2dict 解析器的后继版本，我自己还没实测过，效果未确认，经常要啃一堆年报的人可以先蹲着看看。

🌐 链接: https://x.com/taiyanghere/status/2118584327579775212
🏷️ 分组: X｜太阳（taiyanghere）
🕒 时间: 2026-11-06 14:00:39
X (formerly Twitter)
太阳 (@taiyanghere) on X
单核 CPU 40 秒就能啃完 19GB 年报，表格结构还都留着，开源免费就能拿。

doc2struct 就是一个单 CPU 线程就能高速解析文档、保留嵌套结构和表格的开源解析算法，MIT 协议，作者说它能处理 5B tokens，2025 年全部年度报告 19GB 的量 40 秒就解析完了，还顺手做了表格基础清洗。它是作者之前那个 doc2dict 解析器的后继版本，我自己还没实测过，…