Extract layout-aware content from PDF（从 PDF 中提取布局感知内容）¶
Supported in: Batch, Faster
Extracts content from the specified document, while preserving the document's layout.
Expression categories: Media
Declared arguments¶
- Languages to detect: Languages to detect in the input files.
Set\ - Media reference: The PDF to extract content from.
Expression\ - Output format: The desired format of the output. Choose between a simple text-based output or a structured output with all details, including the bounding boxes.
Enum\ - optional End page: The end of the page range (inclusive). If no value is provided, it will default to the last page.
Expression\ - optional Error handling: Determines the behavior of the pipeline for inputs that fail to process.
Enum\ - optional Start page: The start of the page range. If no value is provided, it will default to the first page.
Expression\
Output type: Array\
Examples¶
Example 1: Base case¶
Argument values:
- Languages to detect: {
ENG} - Media reference:
mediaReference - Output format:
TEXT - End page:
End Page - Error handling:
FAIL_FAST - Start page:
Start Page
| mediaReference | Output |
|---|---|
| {"mimeType":"application/pdf","reference":{"type":"mediaSetItem","mediaSetItem":{"mediaSetRid":"ri.mio.main.media-set.a", "mediaItemRid":"ri.mio.main.media-item.a"}}} | extracted content |
中文翻译¶
从 PDF 中提取布局感知内容¶
支持：批处理（Batch）、快速处理（Faster）
从指定文档中提取内容，同时保留文档的布局。
表达式类别： 媒体（Media）
声明的参数¶
- 要检测的语言（Languages to detect）： 输入文件中需要检测的语言。
Set\ - 媒体引用（Media reference）： 要从中提取内容的 PDF。
Expression\ - 输出格式（Output format）： 所需的输出格式。可选择简单的基于文本的输出，或包含所有详细信息（包括边界框）的结构化输出。
Enum\ - 可选 结束页码（End page）： 页面范围的结束页（包含该页）。如果未提供值，则默认为最后一页。
Expression\ - 可选 错误处理（Error handling）： 决定管道对处理失败的输入所采取的行为。
Enum\ - 可选 起始页码（Start page）： 页面范围的起始页。如果未提供值，则默认为第一页。
Expression\
输出类型： Array\
示例¶
示例 1：基本情况¶
参数值：
- 要检测的语言： {
ENG} - 媒体引用：
mediaReference - 输出格式：
TEXT - 结束页码：
End Page - 错误处理：
FAIL_FAST - 起始页码：
Start Page
| mediaReference | 输出 |
|---|---|
| {"mimeType":"application/pdf","reference":{"type":"mediaSetItem","mediaSetItem":{"mediaSetRid":"ri.mio.main.media-set.a", "mediaItemRid":"ri.mio.main.media-item.a"}}} | 提取的内容 |