基本文档分析功能
- 文本块
- 图片
- 表格和表格单元格
- 条码
- 分隔线
- 检测页面方向——90°、180° 和 270°
- 拆分跨页图像
- 检测表格单元格中的竖排文本
- 检测并标记页面上的杂点区域
常规文档分析
发票文档分析
用于全文索引的文档分析
主要新功能
文档分析
文档分析是一组用于自动检测页面上以下对象的功能：
这是默认的文档分析类型，会搜索所有对象：文本块、图片、表格、条码和分隔线。此分析的结果用于在内容复用场景中提取文档结构和版面信息。所有图片和图表都会保留其原始形式，不会识别其中的文本。
这是一个用于转换半结构化文档 (如发票、付款凭单、账单、运单、名片、协议、医疗索赔表、简历等) 的预处理引擎。它专为准确定位这些文档中的所有文本而设计，包括字符和数字——即使这些信息位于印章、图片、徽标或小字号文本区域中，也能准确识别。
与标准的整页文档分析不同，这种分析假定文档上的所有印刷信息都是文本。它还能确保重要的文本信息不会被识别为图形元素，并且单词或数值不会被拆分成多个字符。因此，可为后续处理阶段中其他系统执行分析、按字段处理和解析提供尽可能完整的文本信息，包括其坐标。
自动检测并识别文档中的所有文本，包括嵌入在图片、图表和示意图中的文本。开发者可以选择使用这种文档分析模式，提取构建文档索引所需的完整全文信息 (例如 DMS、CMS 和归档系统) 。
这种情况下无需进行任何分析，因为要识别的字段由用户或应用程序直接定义。Recognizer 接收字段的坐标和文本类型，并在指定区域内执行 OCR。
主要功能