|
@@ -129,6 +129,30 @@ graph TB
|
|
|
|
|
|
|
|
---
|
|
---
|
|
|
|
|
|
|
|
|
|
+## Layout 后处理
|
|
|
|
|
+
|
|
|
|
|
+### 大面积文本块转表格
|
|
|
|
|
+
|
|
|
|
|
+当Layout检测将大面积的表格区域误识别为文本框时,可以通过后处理自动转换:
|
|
|
|
|
+
|
|
|
|
|
+**判断规则**:
|
|
|
|
|
+- 面积占比:占页面面积超过阈值(默认25%)
|
|
|
|
|
+- 尺寸比例:宽度和高度都超过一定比例(避免细长条)
|
|
|
|
|
+- 表格冲突:如果页面已有表格,不进行转换(避免误判)
|
|
|
|
|
+
|
|
|
|
|
+**配置示例**:
|
|
|
|
|
+```yaml
|
|
|
|
|
+layout:
|
|
|
|
|
+ convert_large_text_to_table: true # 是否启用
|
|
|
|
|
+ min_text_area_ratio: 0.25 # 最小面积占比(25%)
|
|
|
|
|
+ min_text_width_ratio: 0.4 # 最小宽度占比(40%)
|
|
|
|
|
+ min_text_height_ratio: 0.3 # 最小高度占比(30%)
|
|
|
|
|
+```
|
|
|
|
|
+
|
|
|
|
|
+详细说明请参考:`Layout后处理-文本转表格.md`
|
|
|
|
|
+
|
|
|
|
|
+---
|
|
|
|
|
+
|
|
|
## OCR 使用策略
|
|
## OCR 使用策略
|
|
|
|
|
|
|
|
| PDF 类型 | 文字块处理 | 表格处理 |
|
|
| PDF 类型 | 文字块处理 | 表格处理 |
|