跳转到主要内容

Documentation Index

Fetch the complete documentation index at: https://docs.textin.com/llms.txt

Use this file to discover all available pages before exploring further.

在RAG应用中，为了更高的信息精度或稳定性，通常需要对表格做单独处理，如将表格区域保存为图片供前端展示，或者单独为表格设置分chunk策略等。在TextIn xParse文档解析API的输出中，对每个表格都有单独的定义，您可以获取每个表格并单独保存下来。 此外，我们也提供了一步到位的从PDF中提取表格并保存为Excel文件的教程，方便整合到您现有的基于Excel的业务任务流程中。

​
如何获取表格

您可以参考以下步骤和示例代码将解析获取到的表格保存为 md 和 json 以及 excel 格式的文件。

​
将表格保存为 md 和 json 文件

  • 参考快速启动，在 options 中设置URL参数 table_flavor 为 md 或 html，这样API会以Markdown或HTML格式输出表格。您可根据实际需要进行设置。
  • 在main函数中添加以下示例代码，解析API输出markdown中的表格，并保存为 md 和 json 文件。
import re

if "result" in json_response and "markdown" in json_response["result"]:
    markdown_content = json_response["result"]["markdown"]
    # 提取所有表格
    tables = re.findall(r'(?:\|.*\n)+', markdown_content)
    tables_md = '\n'.join(tables)
    
    # 保存为md文件
    with open("tables.md", "w", encoding="utf-8") as f:
        f.write(tables_md)

        
tables_json = []

for page in json_response["result"]["pages"]:
    for block in page.get("structured", []):
        if block.get("type") == "table":
            tables_json.append(block)

# 保存为 json 文件
with open("tables.json", "w", encoding="utf-8") as f:
    json.dump(tables_json, f, ensure_ascii=False, indent=2)

​
将表格保存为 excel 文件

  • 参考快速启动，在 options 中设置URL参数 get_excel=1，让API返回 excel_base64 字段（Excel文件的base64编码）。
  • 在main函数中添加以下示例代码，将表格保存为excel文件。
import base64

if "result" in json_response and "excel_base64" in json_response["result"]:
    excel_base64 = json_response["result"]["excel_base64"]
    excel_bytes = base64.b64decode(excel_base64)
    with open("result.xlsx", "wb") as f:
        f.write(excel_bytes)
    print("Excel 文件已保存为 result.xlsx")
else:
    print("未检测到 excel_base64 字段，可能 PDF 中没有表格或参数设置有误。")
  • 参考快速启动中的示例文件，保存后的表格如下图（仅截取部分作为示例）
Parse Gettable Pn