文档解析
更新时间：2026-09-15
接口描述
【活动】新客专享福利，文档解析、文档解析(PaddleOCR-VL) 低至9元/千页
文档解析支持对doc、pdf、图片、xlsx等18种格式文档进行解析，输出文档的版面、表格、阅读顺序、标题层级、旋转角度等信息，支持中、英、日、韩、法等20余种语言类型，可返回Markdown格式内容，将非结构化数据转化为易于处理的结构化数据，识别准确率可达 90% 以上。如希望快速可视化体验效果，可登录智能文档分析平台，一键上传文档，在线测试；在线工具和API服务的额度共享互通。
文档解析API服务为异步接口，需要先调用提交请求接口获取 task_id，然后调用获取结果接口进行结果轮询，建议提交请求后 5～10 秒轮询。提交请求接口QPS为2，获取结果接口QPS为10。
在线调试
您可以在 示例代码中心 中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
为方便您更好地使用文档解析服务，我们设立了专属交流群。您可通过下方二维码入群：
提交请求接口
请求说明
请求示例
HTTP 方法：POST
请求URL： https://aip.baidubce.com/rest/2.0/brain/online/v2/parser/task
URL参数：
| 参数 | 值 |
|---|---|
| access_token | 通过API Key和Secret Key获取的access_token,参考“Access Token获取” |
Header如下：
| 参数 | 值 |
|---|---|
| Content-Type | application/x-www-form-urlencoded |
Body中放置请求参数，参数详情如下：
请求参数
| 参数 | 是否必选 | 类型 | 可选值范围 | 说明 |
|---|---|---|---|---|
| file_data | 和file_url二选一 | string | - | 文件的base64编码数据：-版式文档：pdf、jpg、jpeg、png、bmp、tif、tiff、ofd、ppt、pptx-流式文档：doc、docx、txt、xls、xlsx、wps、html、mhtml文档大小不超过50M，其中PDF文档最大支持2000页若文档大小超过50M，须从file_url方式上传。优先级： file_data > file_url，当file_data字段存在时，file_url字段失效 |
| file_url | 和file_data二选一 | string | - | 文件数据URL，URL长度不超过1024字节，支持单个URL传入。PDF文档大小不超过300M，非PDF文档大小不超过50M，其中PDF文档最大支持2000页优先级： file_data > file_url，当file_data字段存在时，file_url字段失效请注意关闭URL防盗链 |
| file_name | 是 | string | - | 文件名，请保证文件名后缀正确，例如 申请书.pdf |
| recognize_formula | 否 | bool | True/False | 是否对版式类型文档进行公式识别 |
| analysis_chart | 否 | bool | True/False | 是否对统计图表进行解析 |
| angle_adjust | 否 | bool | True/False | 是否对图片进行矫正 |
| parse_image_layout | 否 | bool | True/False | 是否返回文档中的图片位置信息 |
| language_type | 否 | string | - | 识别语种类型，默认为 CHN_ENG，可选值如下：-CHN_ENG：中英文 - JAP：日语- KOR：韩语- FRE：法语- SPA：西班牙语- POR：葡萄牙语- GER：德语- ITA：意大利语- RUS：俄语- DAN：丹麦语- DUT：荷兰语- MAL：马来语- SWE：瑞典语- IND：印尼语- POL：波兰语- ROM：罗马尼亚语- TUR：土耳其语- GRE：希腊语- HUN：匈牙利语- THA：泰语- VIE：越南语- ARA：阿拉伯语- HIN：印地语 |
| switch_digital_width | 否 | string | - | 是否对数字进行全半角转换，默认为 auto，可选值如下：-auto：不转换，按模型识别结果输出 - half：将所有的符号转换为半角输出- full：将所有的符号转换为全角输出 |
| html_table_format | 否 | bool | True/False | 是否将识别出的表格转换为 HTML 格式返回，default=True |
| return_doc_chunks | 否 | dict | - | 是否返回文档切分后的片段数据（如按语义、字数、标点）。如有需要，可按下方说明进行传参 |
| + switch | 否 | bool | True/False | 是否进行文档内容切分，default=False |
| + split_type | 否 | str | - | 切分方式，目前支持两种，default=chunk - chunk：按照「chunk_size」来切 - mark：按照「separators」来切 |
| + separators | 否 | list |
- | 切分标点，default=['。', '；', '！', '？', ';', '!', '?']，split_type=mark时生效 |
| + chunk_size | 否 | int | - | 切分块的大小，chunk_size=-1时，表示按照语义自动切分，不限定块的大小；chunk_size>0时，表示按照字符长度切 |
| page_filter | 否 | string | - | 只解析指定页，页码从 0 开始。格式：4（单页）、0-2（闭区间）、0-2,4,7-9。流式文档不支持。新增 |
| need_pdffile_data | 否 | bool | True/False | 查询成功时额外返回整份 PDF 的 pdf_file_url。default=False 新增 |
| detect_seal | 否 | bool | True/False | 检测印章，输出 type=seal 的框。default=False 新增 |
| recognize_seal | 否 | bool | True/False | 识别章面文字；开启后自动打开 detect_seal。default=False 新增 |
| erase_seal | 否 | bool | True/False | 擦除印章。优先级高于章面识别；与 recognize_seal 同时开时保留检测框、去掉文字。建议不要和章面识别同时开。default=False 新增 印章参数组合说明： detect_seal=false、recognize_seal=false、erase_seal=false → 不做印章 detect_seal=true、recognize_seal=false、erase_seal=false → 只有检测框 recognize_seal=true、erase_seal=false → 检测 + 章面文字（自动打开检测） erase_seal=true → 擦除章面；若同时识别，框还在、文字去掉 |
| erase_watermark | 否 | bool | True/False | 去水印仅用于识别前增强，返回的页面图 / PDF 不会去掉水印。default=False 新增 |
| parse_image_valid_ratio | 否 | float | - | 图片占页面面积低于该阈值则丢弃，不写入 images。default=0.1 新增 |
| word2pdf | 否 | bool | True/False | 将 Word 转成 PDF 再按版式解析；转完后可以使用 page_filter。default=False 新增 |
| traditional2simplified | 否 | bool | True/False | 繁体转简体。default=False 新增 |
请求代码示例
提示：使用示例代码前，请记得替换其中的示例Token、文档地址或Base64信息。
Python
1import requests
2import os
3import base64
4
5
6def create_task(url, file_path, file_url):
7 """
8 Args:
9 url: string, 服务请求链接
10 file_path: 本地文件路径
11 file_url: 文件链接
12 Returns: 响应
13 """
14 # 文件请求
15 with open(file_path, "rb") as f:
16 file_data = base64.b64encode(f.read())
17 data = {
18 "file_data": file_data, #与file_url二选一，只传 URL 时不要带 file_data
19 "file_url": file_url,
20 "file_name": os.path.basename(file_path)
21 }
22
23 # 文档切分参数，非必传
24 # return_doc_chunks = json.dumps({"switch": True, "chunk_size": -1})
25 # data["return_doc_chunks"] = return_doc_chunks
26
27 headers = {'Content-Type': 'application/x-www-form-urlencoded'}
28
29 response = requests.post(url, headers=headers, data=data)
30 return response
31
32if __name__ == '__main__':
33 request_host = "https://aip.baidubce.com/rest/2.0/brain/online/v2/parser/task?" \
34 "access_token={token}"
35 file_path = "./test.pdf"
36 response = create_task(request_host, file_path, "")
37 print(response.json())返回说明
返回参数
| 字段 | 类型 | 说明 |
|---|---|---|
| log_id | uint64 | 唯一的log id，用于问题定位 |
| error_code | int | 错误码 |
| error_msg | string | 错误描述信息 |
| result | dict | 返回的结果列表 |
| + task_id | string | 该请求生成的task_id，后续使用该task_id获取解析结果 |
返回示例
成功返回示例：
JSON
1{
2 "error_code": 0,
3 "error_msg": "",
4 "log_id": "10138598131137362685273505665433",
5 "result": {
6 "task_id": "task-3zy9Bg8CHt1M4pPOcX2q5bg28j26801S"
7 }
8}失败返回示例（详细的错误码说明见API文档-错误码）：
JSON
1{
2 "error_code": 282003,
3 "error_msg": "missing parameters",
4 "log_id": "37507631033585544507983253924141",
5 "result": "null"
6}获取结果接口
在线调试
您可以在 示例代码中心 中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
请求说明
请求示例
HTTP 方法：POST
请求URL： https://aip.baidubce.com/rest/2.0/brain/online/v2/parser/task/query
URL参数：
| 参数 | 值 |
|---|---|
| access_token | 通过API Key和Secret Key获取的access_token,参考“Access Token获取” |
Header如下：
| 参数 | 值 |
|---|---|
| Content-Type | application/x-www-form-urlencoded |
Body中放置请求参数，参数详情如下：
请求参数
| 参数 | 是否必选 | 类型 | 说明 |
|---|---|---|---|
| task_id | 是 | string | 发送提交请求时返回的task_id |
请求代码示例
提示：使用示例代码前，请记得替换其中的示例Token、task_id。
Python
1import requests
2
3def query_task(url, task_id):
4 """
5 Args:
6 url: string, 请求链接
7 task_id: string, task id
8 Returns: 响应
9 """
10 data = {
11 "task_id": task_id
12 }
13 headers = {'Content-Type': 'application/x-www-form-urlencoded'}
14 print(url)
15 response = requests.post(url, headers=headers, data=data)
16 return response
17
18
19if __name__ == '__main__':
20 # 需要替换为实际的任务id
21 task_id = "task_id"
22 # {access_token} 需要替换为实际调用鉴权接口获取的access_token
23 request_host = "https://aip.baidubce.com/rest/2.0/brain/online/v2/parser/task/query?access_token={access_token}"
24 resp = query_task(request_host, task_id)
25 print(resp.json())返回说明
返回参数
| 字段 | 类型 | 说明 |
|---|---|---|
| log_id | uint64 | 唯一的log id，用于问题定位 |
| error_code | int | 错误码 |
| error_msg | string | 错误描述信息 |
| result | dict | 返回的结果列表 |
| + task_id | string | 任务ID |
| + status | string | 任务状态，pending：排队中；running：运行中；success：成功；failed：失败 |
| + task_error | string | 解析报错信息，包含任务失败、额度不够 |
| + markdown_url | string | 文档解析结果的markdown格式链接，链接有效期30天 |
| + parse_result_url | string | 文档解析结果的Json链接，链接有效期30天 |
| + pdf_file_url | string | 整份 PDF，仅 need_pdffile_data=true 且 success 时下发，有效期 30 天。未开启时没有该字段。 新增 |
| + cost_page_num | int | 任务解析页数，即该任务对应的消耗额度 |
可通过parse_result_url下载解析结果的JSON文件，parse_result_url的返回参数如下：
| 字段 | 类型 | 说明 |
|---|---|---|
| file_name | string | 文档名称 |
| file_id | string | 文档ID |
| + pages | list | 文件单页解析内容 |
| ++ page_id | string | 页码ID |
| ++ page_num | int | 页码数，从0开始 |
| ++ text | string | 当前页的所有纯文字内容,含表格 Markdown |
| ++ layouts | list | 页面内容版式分析的结果 |
| +++ layout_id | string | layout ID，layout元素唯一标志，以"xxxxx-layout-{global_layout_index}"形式，global_layout_index为layout元素整个文档的全局索引 |
| +++ text | string | layout对应的文本内容。注：当type为table, image时该字段为空, 需要根据type和layout_id分别到tables, images字段里找到对应的内容 |
| +++ position | list | layout元素在页面中的位置，[x, y, w, h] box框，左上角和宽高 |
| +++ type | string | layout元素类型, 当前可取值： • text：段落 • table：表格 • head_tail：页面顶部 • image：文档中的插图 • contents：目录 • seal：印章 • title：标题 • formula：公式 • hand_sign：手写签名 |
| +++ sub_type | string | layout元素子类型, 当type为title、image时，subtype有值。 title类的 subtype 包含： • title_{n}，代表n级标题, 比如title_2代表二级标题 • image_title：图标题 • table_title：表标题 image类的 subtype 包含： • chart：统计图表 • figure：普通插图 • QR_code：二维码 • Bar_code：条形码 |
| +++ parent | string | 标题层级树中父节点的layout ID，若当前layout为一级标题，其parent为 "root"。在table和image的内嵌版面信息中暂时都为空 |
| +++ children | list | 标题层级树中子节点的layout ID。在table和image的内嵌版面信息中暂时都为空 |
| ++ tables | list | 页面表格解析结果 |
| +++ layout_id | string | layout ID，与layouts中的元素type为table的元素的layout ID对应 |
| +++ markdown | string | 表格内容的markdown形式 |
| +++ html | string | 表格 HTML，html_table_format=true（默认）时有值 |
| +++ table_title_id | list | 表格标题对应的layout_id，默认为null |
| +++ position | list | 边框数据 「x, y, w, h」(x, y)为坐标点坐标，w为box宽度，h为box高度（以页面坐标为原点），版式格式时有效 |
| +++ cells | list | 单元格的内嵌版面信息，layout类型为表格时有值 |
| +++ matrix | list | 二位数组 表示表格内布局位置信息，每个元素对应cells列表中元素的索引 |
| +++ merge_table | string | 默认开启,「begin」- 跨页表格开始、「inner」- 跨页表格中间表格(表格跨页超过两页)、「end」- 跨页表格结束；非跨页表格该字段为空 |
| ++ images | list | 页面中图片解析结果 |
| +++ layout_id | string | layout ID，与layouts中的元素type为image的元素的layout ID对应 |
| +++ image_title_id | list | 图片标题对应的layout_id，默认为null |
| +++ position | list | 边框数据 「x, y, w, h」(x, y)为坐标点坐标，w为box宽度，h为box高度（以页面坐标为原点），版式格式时有效 |
| +++ content_layouts | list | 图片的内嵌版面信息 |
| +++ data_url | string | 图片存储链接，有效期 30 天 |
| +++ image_description | string | 对统计图表进行内容解析和描述，输出结果为json字符串，可通过json.loads结构化为json格式 |
| ++ meta | dict | 页面元信息 |
| +++ page_width | int | 页面宽度 |
| +++ page_height | int | 页面高度 |
| +++ is_scan | bool | 是否扫描件 |
| +++ page_angle | int | 页面倾斜角度 |
| +++ page_type | string | 页面属性，包括：「text」-正文、「contents」-目录、「appendix」-附录、[doc]-含有文档插图、[seal]签章页、「others」-其他 |
| +++ sheet_name | string | excel的sheet名 |
| + chunks | list | 文件内容切分结果，return_doc_chunks中switch为True时有值 |
| ++ chunk_id | string | 切片的ID |
| ++ content | string | 切片的内容 |
| ++ type | string | 切片类型, 为text或者table |
| ++ meta | dict | chunk元信息 |
| +++ title | list | chunk所属的多级标题内容 |
| +++ position | list | chunk的位置，根据分块算法有可能chunk跨多个页 |
| +++ box | list | chunk的位置坐标 |
| +++ page_num | int | chunk内容所在页数 |
返回示例
示例文件：
成功返回示例：
JSON
1{
2 "log_id": "23596597899286921761579365582373",
3 "error_code": 0,
4 "error_msg": "",
5 "result":
6 {
7 "task_id": "task-UnvGsgbYZp9pS3BZRHn11ifzjNvKzTgf",
8 "status": "success",
9 "task_error": null,
10 "duration": 902.0,
11 "parse_result_url": "https:xxxxxxxxxxxxxxxxxxx"
12 }
13}解析结果示例：
JSON
1{
2 "file_name": "文档解析样例页.png",
3 "file_id": "file-u9kVDu6dtwMyNrizbejMlF8A852aJLm2",
4 "pages": [
5 {
6 "page_id": "2aJLm2-page-0",
7 "page_num": 0,
8 "text": "智能文档分析 | 解析样例\n2 复杂版面解析说明\n本文用于展示文档解析接口对页眉、标题、段落、公式、表格、插图和页脚的综合识别结果。阅读顺序按人类阅读习惯从左到右、从上到下排列。\n2.1 公式与段落\n版面检测后，对识别置信度做归一化。设原始打分为 x，则映射得分 S 定义为：\nS = 1 / (1 + e^{-x})\n当 x 增大时 S 趋近 1。公式在返回 JSON 中对应 type 为 formula 的版面块。\n2.2 表格识别\n表 1 列出常见版面元素与接口字段的对应关系。\n| 元素 | 返回 type | 说明 |\n| --- | --- | --- |\n| 标题 | title | sub_type 为 title_n |\n| 段落 | text | 正文阅读顺序 |\n| 公式 | formula | 需开启 recognize_formula |\n| 表格 | table | cells 与 matrix 描述单元格 |\n| 插图 | image | 图题为 image_title |\n表 1 版面元素与返回字段\n2.3 插图与图题\n图 1 近三年版面识别准确率（%）\n内部资料 仅供接口文档示例\n第 1 页\n",
9 "layouts": [
10 {
11 "layout_id": "2aJLm2-layout-1",
12 "text": "智能文档分析 | 解析样例",
13 "position": [48, 28, 499, 22],
14 "type": "head_tail",
15 "sub_type": "",
16 "parent": "root",
17 "children": []
18 },
19 {
20 "layout_id": "2aJLm2-layout-2",
21 "text": "2 复杂版面解析说明",
22 "position": [48, 62, 220, 24],
23 "type": "title",
24 "sub_type": "title_1",
25 "parent": "root",
26 "children": ["2aJLm2-layout-3", "2aJLm2-layout-4", "2aJLm2-layout-9", "2aJLm2-layout-13"]
27 },
28 {
29 "layout_id": "2aJLm2-layout-3",
30 "text": "本文用于展示文档解析接口对页眉、标题、段落、公式、表格、插图和页脚的综合识别结果。阅读顺序按人类阅读习惯从左到右、从上到下排列。",
31 "position": [48, 92, 499, 40],
32 "type": "text",
33 "sub_type": "",
34 "parent": "2aJLm2-layout-2",
35 "children": []
36 },
37 {
38 "layout_id": "2aJLm2-layout-4",
39 "text": "2.1 公式与段落",
40 "position": [48, 140, 140, 20],
41 "type": "title",
42 "sub_type": "title_2",
43 "parent": "2aJLm2-layout-2",
44 "children": ["2aJLm2-layout-5", "2aJLm2-layout-6", "2aJLm2-layout-7"]
45 },
46 {
47 "layout_id": "2aJLm2-layout-5",
48 "text": "版面检测后，对识别置信度做归一化。设原始打分为 x，则映射得分 S 定义为：",
49 "position": [48, 164, 499, 36],
50 "type": "text",
51 "sub_type": "",
52 "parent": "2aJLm2-layout-4",
53 "children": []
54 },
55 {
56 "layout_id": "2aJLm2-layout-6",
57 "text": "S = 1 / (1 + e^{-x})",
58 "position": [96, 208, 400, 36],
59 "type": "formula",
60 "sub_type": "",
61 "parent": "2aJLm2-layout-4",
62 "children": []
63 },
64 {
65 "layout_id": "2aJLm2-layout-7",
66 "text": "当 x 增大时 S 趋近 1。公式在返回 JSON 中对应 type 为 formula 的版面块。",
67 "position": [48, 252, 499, 20],
68 "type": "text",
69 "sub_type": "",
70 "parent": "2aJLm2-layout-4",
71 "children": []
72 },
73 {
74 "layout_id": "2aJLm2-layout-9",
75 "text": "2.2 表格识别",
76 "position": [48, 284, 140, 20],
77 "type": "title",
78 "sub_type": "title_2",
79 "parent": "2aJLm2-layout-2",
80 "children": ["2aJLm2-layout-10", "2aJLm2-layout-11", "2aJLm2-layout-12"]
81 },
82 {
83 "layout_id": "2aJLm2-layout-10",
84 "text": "表 1 列出常见版面元素与接口字段的对应关系。",
85 "position": [48, 308, 499, 18],
86 "type": "text",
87 "sub_type": "",
88 "parent": "2aJLm2-layout-9",
89 "children": []
90 },
91 {
92 "layout_id": "2aJLm2-layout-11",
93 "text": "",
94 "position": [48, 330, 499, 148],
95 "type": "table",
96 "sub_type": "",
97 "parent": "2aJLm2-layout-9",
98 "children": []
99 },
100 {
101 "layout_id": "2aJLm2-layout-12",
102 "text": "表 1 版面元素与返回字段",
103 "position": [48, 484, 200, 16],
104 "type": "title",
105 "sub_type": "table_title",
106 "parent": "2aJLm2-layout-9",
107 "children": []
108 },
109 {
110 "layout_id": "2aJLm2-layout-13",
111 "text": "2.3 插图与图题",
112 "position": [48, 512, 140, 20],
113 "type": "title",
114 "sub_type": "title_2",
115 "parent": "2aJLm2-layout-2",
116 "children": ["2aJLm2-layout-14", "2aJLm2-layout-15"]
117 },
118 {
119 "layout_id": "2aJLm2-layout-14",
120 "text": "",
121 "position": [48, 536, 499, 140],
122 "type": "image",
123 "sub_type": "chart",
124 "parent": "2aJLm2-layout-13",
125 "children": []
126 },
127 {
128 "layout_id": "2aJLm2-layout-15",
129 "text": "图 1 近三年版面识别准确率（%）",
130 "position": [48, 682, 240, 16],
131 "type": "title",
132 "sub_type": "image_title",
133 "parent": "2aJLm2-layout-13",
134 "children": []
135 },
136 {
137 "layout_id": "2aJLm2-layout-16",
138 "text": "内部资料 仅供接口文档示例",
139 "position": [48, 800, 220, 14],
140 "type": "head_tail",
141 "sub_type": "",
142 "parent": "root",
143 "children": []
144 },
145 {
146 "layout_id": "2aJLm2-layout-17",
147 "text": "第 1 页",
148 "position": [500, 800, 48, 14],
149 "type": "head_tail",
150 "sub_type": "",
151 "parent": "root",
152 "children": []
153 }
154 ],
155 "tables": [
156 {
157 "layout_id": "2aJLm2-layout-11",
158 "markdown": "| 元素 | 返回 type | 说明 |\n| --- | --- | --- |\n| 标题 | title | sub_type 为 title_n |\n| 段落 | text | 正文阅读顺序 |\n| 公式 | formula | 需开启 recognize_formula |\n| 表格 | table | cells 与 matrix 描述单元格 |\n| 插图 | image | 图题为 image_title |\n",
159 "html": "<table><thead><tr><th>元素</th><th>返回 type</th><th>说明</th></tr></thead><tbody><tr><td>标题</td><td>title</td><td>sub_type 为 title_n</td></tr><tr><td>段落</td><td>text</td><td>正文阅读顺序</td></tr><tr><td>公式</td><td>formula</td><td>需开启 recognize_formula</td></tr><tr><td>表格</td><td>table</td><td>cells 与 matrix 描述单元格</td></tr><tr><td>插图</td><td>image</td><td>图题为 image_title</td></tr></tbody></table>",
160 "table_title_id": ["2aJLm2-layout-12"],
161 "position": [48, 330, 499, 148],
162 "cells": [
163 {"layout_id": "2aJLm2-layout-11-0", "text": "元素", "position": [48, 330, 80, 24], "type": "text", "sub_type": "", "parent": "", "children": null},
164 {"layout_id": "2aJLm2-layout-11-1", "text": "返回 type", "position": [128, 330, 120, 24], "type": "text", "sub_type": "", "parent": "", "children": null},
165 {"layout_id": "2aJLm2-layout-11-2", "text": "说明", "position": [248, 330, 299, 24], "type": "text", "sub_type": "", "parent": "", "children": null},
166 {"layout_id": "2aJLm2-layout-11-3", "text": "标题", "position": [48, 354, 80, 24], "type": "text", "sub_type": "", "parent": "", "children": null},
167 {"layout_id": "2aJLm2-layout-11-4", "text": "title", "position": [128, 354, 120, 24], "type": "text", "sub_type": "", "parent": "", "children": null},
168 {"layout_id": "2aJLm2-layout-11-5", "text": "sub_type 为 title_n", "position": [248, 354, 299, 24], "type": "text", "sub_type": "", "parent": "", "children": null}
169 ],
170 "matrix": [
171 [0, 1, 2],
172 [3, 4, 5],
173 [6, 7, 8],
174 [9, 10, 11],
175 [12, 13, 14],
176 [15, 16, 17]
177 ],
178 "merge_table": ""
179 }
180 ],
181 "images": [
182 {
183 "layout_id": "2aJLm2-layout-14",
184 "image_title_id": ["2aJLm2-layout-15"],
185 "position": [48, 536, 499, 140],
186 "content_layouts": [],
187 "data_url": "https://bj.bcebos.com/v1/example/2aJLm2-layout-14.png",
188 "image_description": ""
189 }
190 ],
191 "meta": {
192 "page_width": 595,
193 "page_height": 842,
194 "is_scan": false,
195 "page_angle": 0,
196 "page_type": "doc",
197 "sheet_name": ""
198 }
199 }
200 ],
201 "chunks": [
202 {
203 "chunk_id": "2aJLm2-chunk-0",
204 "content": "版面检测后，对识别置信度做归一化。设原始打分为 x，则映射得分 S 定义为：\nS = 1 / (1 + e^{-x})\n当 x 增大时 S 趋近 1。公式在返回 JSON 中对应 type 为 formula 的版面块。",
205 "type": "text",
206 "meta": {
207 "title": ["2 复杂版面解析说明", "2.1 公式与段落"],
208 "position": [{"box": [48, 164, 499, 108], "page_num": 0}]
209 }
210 },
211 {
212 "chunk_id": "2aJLm2-chunk-1",
213 "content": "| 元素 | 返回 type | 说明 |\n| --- | --- | --- |\n| 标题 | title | sub_type 为 title_n |\n| 段落 | text | 正文阅读顺序 |\n| 公式 | formula | 需开启 recognize_formula |\n| 表格 | table | cells 与 matrix 描述单元格 |\n| 插图 | image | 图题为 image_title |\n",
214 "type": "table",
215 "meta": {
216 "title": ["2 复杂版面解析说明", "2.2 表格识别"],
217 "position": [{"box": [48, 330, 499, 148], "page_num": 0}]
218 }
219 }
220 ]
221}对应 Markdown（markdown_url）形态：
Markdown
1# 2 复杂版面解析说明
2
3本文用于展示文档解析接口对页眉、标题、段落、公式、表格、插图和页脚的综合识别结果。阅读顺序按人类阅读习惯从左到右、从上到下排列。
4
5## 2.1 公式与段落
6
7版面检测后，对识别置信度做归一化。设原始打分为 x，则映射得分 S 定义为：
8
9$$
10S = 1 / (1 + e^{-x})
11$$
12
13当 x 增大时 S 趋近 1。公式在返回 JSON 中对应 type 为 formula 的版面块。
14
15## 2.2 表格识别
16
17表 1 列出常见版面元素与接口字段的对应关系。
18
19| 元素 | 返回 type | 说明 |
20| --- | --- | --- |
21| 标题 | title | sub_type 为 title_n |
22| 段落 | text | 正文阅读顺序 |
23| 公式 | formula | 需开启 recognize_formula |
24| 表格 | table | cells 与 matrix 描述单元格 |
25| 插图 | image | 图题为 image_title |
26
27## 2.3 插图与图题
28
29页眉页脚会出现在 JSON 的 head_tail 里，默认不进 Markdown 正文。
常见错误码
完整列表见 错误码。接入时至少处理：
| error_code | 含义 |
| 0 | 成功 |
| 282003 | 缺参数 |
| 282007 | task_id 不存在或已过期 |
评价此篇文章