officeParser v7.0は、harshankurとプロジェクトの貢献者によって開発され、2026年5月12日に公開されたTypeScriptドキュメント処理ライブラリです。Office文書やPDF、RTF、CSV、HTML、Markdownなど、構造や表現形式が異なるファイルを1つの統合抽象構文木（Abstract Syntax Tree、AST）にパースし、その結果をMarkdown・HTML・CSV・RTF・プレーンテキストに変換します。翻訳機が複数の言語を共通の意味表現に変換してから目的の言語で出力するように、officeParserは異なるドキュメント形式を共通の構造に正規化し、検索・変換・生成の各段階で再利用可能にします。単なる文字列の抽出とは異なり、ドキュメント構造を後続処理の入力として保持することがその核心的なアイデンティティです。 既存のドキュメントベースのAIパイプラインでは、DOCX用のパーサー、PDF抽出器、HTMLクリーナー、テキスト分割器をそれぞれ選択し、ツールごとに異なる出力形式を個別のコードで接続する必要があります。この過程で、見出しと本文の階層、表の行と列、段落の境界などの文脈情報が失われると、検索結果が原文の意味と乖離したり、回答の根拠範囲が不明確になったりする可能性があります。officeParserの差別化ポイントは、ドキュメントパース、多形式生成、構造保持、ベクトルデータベース用のチャンキングを1つのTypeScriptライブラリの範囲で扱っている点にあります。複数のツールを使い分ける作業台ではなく、ドキュメントを入力すると共通部品に分解し、目的に合わせて再構築する1つのドキュメント処理プロセスに近いものです。 RAG（Retrieval-Augmented Generation、検索拡張生成）用のチャンキングは、固定サイズ（fixed-size）、ドキュメント構造（document-structure）、意味ベース（semantic）の方式を提供するものとして収集されています。固定サイズ方式は、研究者が指定した一定の範囲で文書を分割する再現可能な基準となり、ドキュメント構造方式は見出しや節などの境界を活用する構成に適しています。意味ベース方式は、内容の流れを考慮した検索単位が必要な場合に選択できます。これにメタデータ対応処理を組み合わせることで、ファイル名、ドキュメント区間、または元の位置など、実装段階で付与されたメタデータをチャンクとともに管理し、検索結果を原文に追跡可能なパイプラインを設計することができます。ただし、各戦略の正確なオプション名、デフォルト値、サポートされるメタデータフィールドは、公式APIドキュメントを確認する前に確定すべきではありません。 生命工学の研究者は、異なる形式で蓄積された実験プロトコル、機器レポート、分析結果表、論文草案を共通のASTに正規化し、Markdownレビュー版とRAG検索用のチャンクを同じ処理フローで作成できます。例えば、研究者が設定した1,000トークンの固定サイズと100トークンのオーバーラップ条件で100文書を分割してベクトルデータベースにロードしたり、節単位の構造チャンキングにより臨床試験文書の包含・除外基準を独立した検索単位として維持することができます。CSV実験結果と記述型レポートを同時に処理する場合も、形式ごとの前処理結果を共通のアプリケーション層で管理できるため、根拠文書の検索やレビュー用の形式変換を1つの再現可能なNode.jsワークフローとして構成するのに活用できます。提示された数値は活用の設計を説明するための例示であり、公式のパフォーマンス数値やデフォルト設定を意味するものではありません。

officeParser v7.0は、harshankurとプロジェクトの貢献者によって開発され、2026年5月12日に公開されたTypeScriptドキュメント処理ライブラリです。Office文書やPDF、RTF、CSV、HTML、Markdownなど、構造や表現形式が異なるファイルを1つの統合抽象構文木（Abstract Syntax Tree、AST）にパースし、その結果をMarkdown・HTML・CSV・RTF・プレーンテキストに変換します。翻訳機が複数の言語を共通の意味表現に変換してから目的の言語で出力するように、