Xberg

Xberg 是什么

Xberg 是以 Rust 为核心的内容抽取工具，可通过 Python 等语言接口处理文档、表格和元数据，并按配置启用 OCR 等功能。它更接近开发组件，适合把文件处理接入自己的知识库、检索或业务系统，而不是上传一份文档后就自动完成全部业务流程。

如果你需要控制部署环境、处理过程和失败记录，可以先从开源库做小规模验证。希望减少解析服务运维，可比较 LlamaParse；希望用界面配置邮件、文档字段与导出流程，可比较 Parseur。

与 Kreuzberg 的关系

此次官方文档显示，旧 Kreuzberg v4 已进入 LTS，活跃开发迁到 Xberg。新项目应先确认采用哪条版本线，不要把 kreuzberg 的旧安装命令和 API 直接套进 xberg。本文在 2026-10-23 固定安装并验证 Xberg 1.3.9；在线 API 文档的版本更新更快，运行示例以实际安装包为准。

适合的使用场景

例如把产品手册、Office 附件和网页存档转换成可检索文本，保留文件哈希、类型和失败原因，再进入分块与索引。表格抽取后，还需要检查行列、金额、单位和跨页关系；抽出了文字不等于业务字段已经正确。

它不替你完成知识库权限、数据库更新和审批。文档中出现的操作指令只是来源内容，不能据此让 Agent 执行删除、转账或对外发送。实际应用需要自己的文件接收限制、授权、隔离、日志和复核规则。

OCR 与依赖

文本型 PDF 与扫描型 PDF 应分别处理。OCR 后端、语言数据和模型取决于配置；本地普通抽取与外部模型增强也不是同一条数据路径。不要因为库可以在本地运行，就认为所有可选功能完全离线或无需准备资源。

本次合成样本中，SDK 成功处理了一张英文文字图片。系统里的 Tesseract 命令却因动态库依赖错误无法启动，两条路径表现不同，因此既不能仅凭系统命令报错判断 SDK 一定失败，也不能凭一张简单图片证明生产 OCR 准确。本次没有测试中文扫描件、手写或复杂版式质量。

价格和许可

Xberg 开源代码采用 MIT，软件许可费为 $0。运行主机、文件存储、OCR 资源、可选模型调用、监控和维护仍有成本。商业部署或支持产品与开源 SDK 是不同范围，本文不编造商业报价、额度或服务等级。

开源库的许可证也不能覆盖所有第三方模型、原生依赖与用户文件的使用条件。选定实际组件后分别核对来源；不要把其他工具的 AGPL 或商业双许可误写成与 MIT 相同的授权方式。

从哪里开始

先拿几份合成或获准使用的文件，明确文件大小、数量、超时和格式范围。逐个保留成功与失败记录，核对原始哈希和关键内容，再决定批量规模。需要步骤可看 Xberg Python 教程。

选型可看 本地文档抽取 SDK 推荐、Xberg vs LlamaParse 和 Xberg vs Parseur。中国大陆网络、资源下载与部署平台兼容性需在目标环境检查，本次不作跨地区可用性承诺。