跳转至

导出格式

Doctra 输出格式指南。

概述

Doctra 同时生成多种输出格式，每种格式针对不同的用例进行了优化。

可用格式

Markdown (.md)

人类可读的文档，包含：

  • 所有文本内容
  • 嵌入的图像引用
  • 表格链接
  • 章节结构

最适合：文档、版本控制、阅读

示例： 

# 文档标题

## 第 1 节

文本内容...

![图 1](images/figures/figure_001.jpg)

请参阅 [tables.xlsx](tables.xlsx) 中的表格

HTML (.html)

Web 就绪的文档，包含：

  • 样式化内容
  • 嵌入的图像
  • 交互式表格
  • 响应式布局

最适合：Web 发布、演示

Excel (.xlsx)

包含提取数据的电子表格：

  • 每个表格一个工作表
  • 格式化的单元格
  • 保留的标题
  • 结构化数据

最适合：数据分析、进一步处理

仅在启用 VLM 时生成

JSON (.json)

结构化数据，包含：

  • 元素元数据
  • 坐标
  • 内容
  • 关系

最适合：程序化访问、集成

仅在启用 VLM 时生成

图像

裁剪的视觉元素：

  • figures/：文档图像
  • charts/：图形和图表
  • tables/：表格图像

格式：JPEG 或 PNG 最适合：直接使用、演示

输出结构

outputs/
└── document/
    └── full_parse/
        ├── result.md          # Markdown
        ├── result.html        # HTML
        ├── tables.xlsx        # Excel (VLM)
        ├── tables.html        # HTML 表格 (VLM)
        ├── vlm_items.json     # JSON 数据 (VLM)
        └── images/
            ├── figures/
            ├── charts/
            └── tables/

选择格式

用例 推荐格式
阅读 Markdown 或 HTML
数据分析 Excel
Web 发布 HTML
集成 JSON
演示 图像 + HTML
版本控制 Markdown

另请参阅