智能文档解析

基于 AI 的 ComIDP 解决方案，能够智能处理和理解文档和图片内容，包括报告、合同、论文等标准文件，识别和分类元素、模块和结构，同时保留原始阅读逻辑，通过结构化非结构化和半结构化数据，为下游应用提供精准数据源。

目前支持解析出来的类型有：文本, 段落, 图片, 标准表格, 非标准表格, 目录, 有序列表, 标题, 无序列表, 公式, 页眉, 页脚, 页码, 图片标题, 图片描述, 参考文献, 表格标题, 表格描述, 代码, 算法。

首页

在首页，您可以直接访问智能文档解析功能。首页是 ComIDP 功能导航的中心，便于快速访问常用模块。

单份文档解析

针对一份文档进行智能文档解析。
选择你要进行解析的文件，上传成功之后自动开始文档解析。你可以切换不同的结果选项来查看对应的结果，目前支持：Markdown, JSON, TOC, Table, Image, Text。

批量文档解析

针对最多三十份文档进行批量解析。
点击上方 Bulk 按钮切换至批量文档解析，上传你要进行解析的文件，设置解析参数，点击 Start Parsing 后稍作等待即可看到智能文档解析结果。

解析JSON字段介绍

◆ success_count 转换成功页面数<br/>
◆ total_count 转换页面数<br/>
◆ version (string) 版本号<br/>

◆ pages (array) 分页数据容器<br/>
  ├─ angle (integer)：文本排版方向（0: 水平/90: 竖排）<br/>
  ├─ page_id (number)：当前页码<br/>
  ├─ image_id (string)：当前页面对应的图片的相对目录地址<br/>
  ├─ width (integer)：文档页宽度（像素）<br/>
  ├─ height (integer)：文档页高度（像素）<br/>
  ├─ content (array)：基础数据: 文字行, 图像中的其中一种 <br/>
     ├─ id(integer)：当前段落所在页面上的阅读顺序id<br/>
     ├─ score (integer)：AI版面分析结果的分数，0~1之间，越接近1代表越可信<br/>
     ├─ text (string)：文本<br/>
     ├─ type (string)：类型, paragraph（段落类型，包括正文、标题、公式等文字信息）<br/>
     ├─ position (array)：该目录区域的四个角点坐标，依次left-top,right-top,right-bottom,left-bottom.<br/>

◆ catalog (object) 目录树结构<br/>
  │  └─ toc (array)<br/>
  │     ├─ pos (array)：该目录区域的四个角点坐标，依次left-top,right-top,right-bottom,left-bottom.<br/>
  │     ├─ paragraph_id (integer)：标题所在段落id<br/>
  │     ├─ page_id (integer)：标题所在页码 （最小页码为 1)<br/>
  │     ├─ content(string)：标题内容<br/>
  │     └─ type(string)：标题类型 catalogue、 title、 figure_title、 table_title<br/>

◆ metrics (array) 页面级性能指标<br/>
  ├─ page_image_width (integer)：当前页渲染宽度（像素）<br/>
  ├─ page_image_height (integer)：当前页渲染高度（像素）<br/>
  ├─ page_id (number)：当前页码<br/>
  ├─ angle (integer)：文本排版方向（0: 水平/90: 竖排）<br/>
  └─ image_id (string)：当前页面对应的图片的相对目录地址（同pages.image_id）<br/>

◆ detail (array) 分页数据容器<br/>
	 ├─ page_id (integer)：当前段落所在页码<br/>
     ├─ paragraph_id (integer)：当前段落id<br/>
     ├─ text (string)：文本，当type为图片或表格时目前为空<br/>
     ├─ type (string)：类型, paragraph（段落类型，包括正文、标题、公式等文字信息）、image（图片类型）、table（表格类型）<br/>
     ├─ image_url (string)：图片地址<br/>
     ├─ position (array)：该目录区域的四个角点坐标，依次left-top,right-top,right-bottom,left-bottom.<br/>
     ├─ tags (array)：表示段落内是否存在特殊文本，类型包括公式formula和手写体handwritten（目前暂不支持，为空数组，仅为之后预留结构）<br/>
     │─ cells (array)：单元格数组, 仅在type为table时返回<br/>
     │  ├─ row_span (integer)：单元格行跨度,默认为1<br/>
     │  ├─ text (integer)：单元格文本内容<br/>
     │  ├─ type (integer)：cell代表一个表格单元格<br/>
     │  ├─ col (integer)：单元格列号<br/>
     │  ├─ col_span (integer)：单元格列跨度,默认为1<br/>
     │  ├─ position (integer)：单元格的四个角点坐标，依次left-top,right-top,right-bottom,left-bottom.<br/>
     │  └─ row (integer)：单元格行号<br/>

Detail详情分类

类型	描述
paragraph	段落
figure	图片
standard_table	标准表格
unstandard_table	非标准表格
ordered_list	有序列表
catalogue	目录
title	标题
unordered_list	无序列表
formula	公式
header	页眉
footer	页脚
page_number	页码
figure_title	图片标题
figure_caption	图片描述
reference	参考文献
table_title	表格标题
table_caption	表格描述
code	代码
algorithm	算法