Skip to content
DemoFAQ

PDF 生成模板编辑器

开源可视化 PDF 生成引擎,支持自定义模板,并提供面向开发者的 API,灵活构建文档生成流程。

查看 GitHub

表格识别 — C ​

表格识别 ​

概述 ​

表格识别重建版面分析期间检测到的表格的内部结构,包括行、列、合并单元格和单元格边界,使转换后的文档保留原始表格语义,而非生成扁平的文本片段网格。

它由独立选项 enable_ai_table_recognition 控制,本指南辅助函数中默认启用。表格模型对版面分析检测到的表格区域进行调用。

受益于表格识别的典型场景:

  • 无边框或部分边框的表格。
  • 具有合并表头单元格、多行表头或跨单元格的表格。
  • 通过 OCR 处理的扫描表格。

支持表格识别的功能:

  • PDF 转 Word
  • PDF 转 Excel
  • PDF 转 PowerPoint
  • PDF 转 HTML
  • PDF 转 RTF
  • PDF 转 CSV
  • PDF 转 JSON
  • PDF 转 Markdown

注意事项 ​

  • 表格识别仅在版面分析处于活动状态时运行,即设置了 enable_ai_layout = true 或隐式通过 enable_ocr = true。
  • 使用表格识别之前需要先加载 DocumentAI 模型,或通过下文"自定义 AI 回调"章节中描述的回调插入自己的表格模型。
  • 设置 enable_ai_table_recognition = false 可禁用表格模型。
  • 表格识别模型实例数可通过 CPDF_SetDocumentAIModelCount 的第二个参数调整。

表格识别模型档位 ​

CConvertOption.table_recognition_accuracy 用于选择表格识别使用的资源档位,类型为枚举 CTableRecognitionAccuracy:

值含义
e_CHighAccuracy(0)优先识别精度,可能占用更多资源。4.2.0 的默认行为
e_CBalanced(1)在识别精度、资源占用与吞吐之间取平衡。4.3.0 起默认
  • 两个档位的模型可以同时加载,每个转换任务按各自的 table_recognition_accuracy 选用。
  • 选择 e_CHighAccuracy 需要在基础包之外额外加载 table_legacy.model(见 3.7.4 DocumentAI 模型设置与模型包说明)。请求的档位没有对应模型时(例如选择高精度但未加载 table_legacy.model),转换不会报错,但表格会改用规则识别,结果与该档位不同。
  • 档位名称不保证所有文档都获得更好结果。
  • CPDF_CONVERT_OPTION_DEFAULT 宏中该选项的初始值为 e_CBalanced;如果用 memset 或 {0} 将 CConvertOption 清零,则该选项为 0,即 e_CHighAccuracy。清零初始化时请显式设置 table_recognition_accuracy。

示例 ​

c
CPDF_SetDocumentAIModel(CPDF_TEXT("path/documentai.model"), -1);

CConvertOption option = CPDF_DefaultConvertOption();
option.enable_ai_layout = true;
option.enable_ai_table_recognition = true;

CPDF_StartPDFToWord(CPDF_TEXT("word.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.docx"), option, NULL);

使用高精度档位时,需要同时加载表格扩展包并选择档位:

c
CPDF_SetDocumentAIModel(CPDF_TEXT("path/documentai.model"), -1);
CPDF_SetDocumentAIModel(CPDF_TEXT("path/table_legacy.model"), -1);

CConvertOption option = CPDF_CONVERT_OPTION_DEFAULT;
option.enable_ai_layout = true;
option.table_recognition_accuracy = e_CHighAccuracy;

CPDF_StartPDFToWord(CPDF_TEXT("word.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.docx"), option, NULL);