解析功能介绍

基本功能

解析 PDF 里面的文字/表格/公式/表格/排版还原成 Markdown、LaTeX和Word(Word不包含排版还原)
适用场景：为大语言模型训练与 RAG 提供更优质的数据
核心场景：包括但不限于中英论文/财报年报/中学理科试卷/各种书籍等

特点

去除 PDF 中的页眉页脚

例如页码、论文页上方/下方反复出现的期刊名、作者

通用表格识别

识别成 HTML 格式的表格（markdown 表格不支持合并单元格的语法）
没有特定局限的表格种类，通用场景表现较好
支持页面中的旋转表格的识别（左旋右旋表格均支持）
支持表格内的公式/图像/段落的识别
支持跨页表格的合并，支持去除续表相关文字，合并跨页单元格和去除重复表头
不支持表中表的识别

公式识别

支持文字和公式混排识别以及中文公式的识别
除了超大的方程组与矩阵均支持较好

布局还原

将复杂版面文档还原成单栏文字流
除了报纸类的超多栏外基本都支持
正在支持多级标题（h1-h5）
部分支持代码块的缩进支持

支持语言

支持语言：中文（简体/繁体）、英语、西欧各国语言、日语
未来预计支持：俄语、印度语、阿拉伯语

手写识别

手写文字/公式持续支持中

解析操作教程

步骤 1：上传文档

点击"开始解析文件"按钮或直接拖拽 PDF 文件到上传区域
支持单个文件上传，最大支持 300MB 的 PDF 文档

parse_step1

步骤 2：开始解析

解析页码：选择要解析的页码范围（全部/指定页码/指定范围）
点击"确认处理"按钮，系统开始处理文档
处理进度会实时显示
解析完成后可预览结果并下载文件

parse_step2

步骤 3：预览解析结果

解析结果：查看系统识别出的文档元素，如标题、段落、表格、图片等
操作菜单：
- 复制解析结果为 Markdown
- 导出为 Markdown、Word 等格式
- 单栏/双栏切换

parse_step3

步骤 4：下载解析结果

点击"导出"图标，选择要保存的文件格式（Markdown、Word 等）
即可将解析结果保存到本地

parse_step4