表格识别

概述

表格识别重建版面分析检测到的表格内部结构，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，而不是产生扁平的文本片段网格。

它由独立选项 enableAiTableRecognition 控制，该选项在 ConvertOption 上暴露。表格模型仅对版面分析报告的、检测置信度低于可信阈值的表格区域调用；高置信度的原生 PDF 表格会绕过模型以节省推理时间。

受益于表格识别的典型场景：

• 无边框或部分边框的表格，仅靠框线无法描述结构。
• 具有合并表头单元格、多行表头或跨列单元格的表格，如财务报表、实验报告和发票。
• 经 OCR 处理的扫描表格，在单元格级数据提取前需要几何重建。

支持表格识别的功能：

• PDF 转 Word
• PDF 转 Excel
• PDF 转 PowerPoint (PPT)
• PDF 转 HTML
• PDF 转 RTF
• PDF 转 CSV
• 提取 PDF 为 JSON
• 提取 PDF 为 Markdown

注意事项

• 表格识别仅在版面分析活跃时运行（即 enableAiLayout = true，或隐式地当 enableOcr = true 时）。
• DocumentAI 模型由 LibraryManager::initialize 从 resource/models/documentai.model 加载。
• 设置 enableAiTableRecognition = false 会完全禁用表格模型；检测到的表格区域随后会回退到基于底层页面对象的几何重建。

示例

本示例演示如何开启表格识别将 PDF 转换为 DOCX 文件。

$option = new ConvertOption();
// 必须开启版面分析，表格识别才能生效。
$option->enableAiLayout = true;
// 开启 AI 表格识别（设置为 false 可禁用）。
$option->enableAiTableRecognition = true;

Conversion::convert('Word', 'word.pdf', 'password', 'output.docx', $option);