LiteParse — Pipeline OCR Local · Legaltech Ibérica SL

Páginas parseadas

contrato_arrendamiento_urban_01234.pdf

Text items extraídos

847

con bounding boxes x/y/w/h

OCR (páginas)

Página 4 · firma escaneada

Confianza media OCR

91.4%

Tesseract eng · 150 dpi

Tiempo total

1.8s

4 workers · CPU local

💻 Comandos ejecutados

$ lit parse contrato_arrendamiento_urban_01234.pdf --format json --ocr-language spa -o contrato_parsed.json

✔ Parsed 4 pages — 847 text items — OCR on page 4 — 1.8s

$ lit screenshot contrato_arrendamiento_urban_01234.pdf --dpi 150 --target-pages "1-4" -o ./screenshots

✔ Saved 4 PNGs — ./screenshots/page_1.png .. page_4.png

$ # Output: 9.2 MB JSON · 4 PNGs (2.1 MB cada uno) · 100% local

📃 Vista del documento con bounding boxes Página 1 de 4

CONTRATO DE ARRENDAMIENTO URBANO

Ref.: LTI-2026-01234 | Madrid, 10 de junio de 2026

PRIMERA. — PARTES CONTRATANTES

De una parte, INMOBILIARIA ALTAVERDE SL, con CIF B-87654321, representada por D. Roberto Solana Prats, como arrendador. De otra, D.ª Carmen Vidal Ruiz, con DNI 45.123.678-K, como arrendataria.

SEGUNDA. — OBJETO DEL CONTRATO

El arrendador cede en arrendamiento a la arrendataria el inmueble sito en Calle Gran Vía 47, 3.º Dcha., Madrid, C.P. 28013, de uso exclusivamente residencial.

TERCERA. — DURACIÓN

El presente contrato tendrá una duración de 12 meses, con inicio el 1 de julio de 2026 y finalización el 30 de junio de 2027, conforme a la LAU.

Expediente: LTI/2026/01234 | Notario: D. Ignacio Flores

Protocolo n.º: 2.847/2026

Título (H1)

Sección

Cuerpo

Metadato

Firma/OCR

📄 contrato_parsed.json — text_items (extracto) 847 items totales

{ "document": "contrato_arrendamiento_urban_01234.pdf", "liteparse_version": "2.0.0", "parse_time_ms": 1842, "total_pages": 4, "total_text_items": 847, "ocr_pages": [4], "pages": [ { "page_num": 1, "width": 595.3, "height": 841.9, "is_ocr": false, "text_items": [ { "id": "p1_0", "text": "CONTRATO DE ARRENDAMIENTO URBANO", "x": 142.5, "y": 47.2, "width": 310.0, "height": 18.0, "font_name": "Times-Bold", "font_size": 14.0, "confidence": null // native PDF }, { "id": "p1_1", "text": "Ref.: LTI-2026-01234 | Madrid, 10 de junio de 2026", "x": 178.0, "y": 68.4, "width": 238.0, "height": 11.2, "font_name": "Helvetica", "font_size": 9.5, "confidence": null }, // ... 284 items más en página 1 ... ] }, // páginas 2-3 (texto nativo, ~180 items cada una) ... { "page_num": 4, "is_ocr": true, "ocr_language": "spa", "ocr_dpi": 150, "text_items": [ { "id": "p4_0", "text": "Firmado en Madrid a 10 de junio de 2026", "x": 68.0, "y": 122.3, "width": 280.0, "height": 14.0, "confidence": 0.947 // OCR }, { "id": "p4_1", "text": "El arrendador: Roberto Solana Prats", "confidence": 0.921 }, { "id": "p4_2", "text": "La arrendataria: Carmen Vidal Ruiz", "confidence": 0.894 } ] } ] }

🚀 Pipeline RAG — Legaltech Ibérica

✔

Ingest PDF

lit parse → JSON con bboxes

0.4s · 4 workers · spa OCR

✔

Screenshots

4 PNGs · 150 dpi · multimodal

1.4s · ImageMagick local

✔

Chunk + embed

text_items → chunks 512 tokens

0.3s · bboxes preservados

✔

Vector store

Chroma local · 847 vectores

0.2s · embeddings Claude

⸻

RAG Query → UI

Respuesta con fuente resaltada

En producción → LTI Q3 2026

🚀 Integración Python RAG

from liteparse import LiteParse, search_items
from pathlib import Path

# 1. Parseo local con OCR en español
parser = LiteParse(
    output_format="json",
    ocr_enabled=True,
    ocr_language="spa",
    num_workers=4,
    quiet=True
)
result = parser.parse("contrato_arrendamiento.pdf")

# 2. Screenshots para agente multimodal
shots = parser.screenshot(
    "contrato_arrendamiento.pdf",
    page_numbers=[4]  # solo pág escaneada
)
Path("screenshots").mkdir(exist_ok=True)
for s in shots:
    Path(f"screenshots/page_{s.page_num}.png").write_bytes(s.image_bytes)

# 3. Búsqueda con bboxes → highlight en UI
page1 = result.get_page(1)
matches = search_items(
    page1.text_items,
    "PARTES CONTRATANTES",
    case_sensitive=False
)
for m in matches:
    bbox = (m.x, m.y, m.width, m.height)
    highlight_in_viewer(bbox)  # → UI
        

📊 Métricas de rendimiento

Confianza OCR pág 4

91.4%

Páginas nativas

3 / 4

Items con bbox

100%

Throughput (pág/s)

2.2/s

Uso CPU (4 workers)

62%

Datos enviados nube

0 B

📷 Página 4 detectada como escaneada — OCR Tesseract spa aplicado automáticamente

DÉCIMA. — FIRMA DE LAS PARTES

Firmado en Madrid a 10 de junio de 2026, en prueba de conformidad con todo lo anteriormente expuesto.

El arrendador

Roberto Solana P.

CIF B-87654321

La arrendataria

Carmen Vidal R.

DNI 45.123.678-K

NOTARIA
FLORES
MADRID
n.º 2.847

📋 Text items extraídos — muestra representativa (pág. 1 + pág. 4 OCR) 847 items totales

ID	Texto	x	y	w	h	Fuente	Tam.	OCR conf.	Tipo
p1_0	CONTRATO DE ARRENDAMIENTO URBANO	142.5	47.2	310.0	18.0	Times-Bold	14.0	—	H1
p1_1	Ref.: LTI-2026-01234 \| Madrid, 10 jun 2026	178.0	68.4	238.0	11.2	Helvetica	9.5	—	Meta
p1_2	PRIMERA. — PARTES CONTRATANTES	56.7	98.0	165.0	12.5	Times-Bold	11.0	—	Secc.
p1_3	De una parte, INMOBILIARIA ALTAVERDE SL, con CIF B-87654321...	56.7	115.0	481.8	28.0	Times-Roman	10.5	—	Body
p1_4	SEGUNDA. — OBJETO DEL CONTRATO	56.7	156.0	152.0	12.5	Times-Bold	11.0	—	Secc.
p4_0	Firmado en Madrid a 10 de junio de 2026	68.0	122.3	280.0	14.0	—	—	0.947	OCR
p4_1	El arrendador: Roberto Solana Prats	68.0	180.5	210.0	12.0	—	—	0.921	OCR
p4_2	La arrendataria: Carmen Vidal Ruiz	310.0	180.5	205.0	12.0	—	—	0.894	OCR

LiteParse · Pipeline OCR Local