📦 document-parser — 高精度文档解析

技能文档

# document-parser 高精度文档解析技能，从 PDF、图片、Word 文档中提取结构化数据。 ## 用途 - 解析 PDF、图片 (JPG/PNG)、Word 文档 - 版面分析与结构提取 - 表格识别（输出 HTML/Markdown） - OCR 文字识别 - 印章检测 - 目录提取 ## 命令 ### 解析文档 `` document-parser parse <文件路径> [选项] ` 示例： ` document-parser parse C:\\docs\\report.pdf document-parser parse C:\\docs\\scan.jpg --layout --table document-parser parse C:\\docs\\contract.docx --output markdown ` ### 查询任务状态 ` document-parser status <任务 ID> ` ## 参数说明 | 参数 | 说明 | 示例 | |------|------|------| | 文件路径 | PDF/图片/Word 文件路径 | C:\\docs\\report.pdf | | --layout | 启用版面分析 | --layout | | --table | 启用表格识别 | --table | | --seal | 启用印章检测 | --seal | | --output | 输出格式 (json/markdown/both) | --output markdown | | --pages | 页码范围 | --pages 1-5,8,10-12 | ## 配置 ### 方式一：环境变量 ` DOCUMENT_PARSER_API_KEY=your_api_key DOCUMENT_PARSER_BASE_URL=http://47.111.146.164:8088/taidp/v1/idp/general_parse ` ### 方式二：配置文件 在技能目录创建 config.json： `json { "api_key": "your_api_key", "base_url": "http://47.111.146.164:8088/taidp/v1/idp/general_parse" } `` ## 输出格式 返回结构化 JSON 包含： - pages: 解析后的页面数组 - elements: 版面元素（文本、表格、图片等） - markdown: Markdown 格式文本 - data: 数据统计摘要 ## 依赖 - requests - python-docx (Word 支持) - Pillow (图片处理) ## 错误码 | 错误码 | 消息 | 说明 | |--------|------|------| | 10000 | Success | 识别成功 | | 10001 | Missing parameter | 参数缺失 | | 10002 | Invalid parameter | 非法参数 | | 10003 | Invalid file | 文件格式非法 | | 10004 | Failed to recognize | 识别失败 | | 10005 | Internal error | 内部错误 |