真实场景下，文档内的元素并不是标准化和格式化的，往往会有双栏表格、无线图表等等复杂元素。传统的OCR工具无法判断复杂表格的结构和内容顺序逻辑，很容易解析失败，提取出的内容“牛头不对马嘴”，导致白白浪费时间。
TextIn文档解析是一款专注于复杂文档解析的AI工具，致力于破解复杂文档的结构化难题。它能将文档中的非结构化内容（如复杂表格、手写笔记、图片印章等）进行梳理，转换成大模型友好的内容格式（Markdown）。并且它能识别文档版面内各类的信息要素，把各种元素信息分别归类提取出来，筛选保留核心信息。根据官方数据显示，TextIn批量解析100页文档最快仅需1.5s，对于企业级500万页+的PDF文档解析，可在三天内处理完成，识别稳定率可达99.99%。
TextIn技术团队在当前表格解析模型及后处理算法的基础上，结合模型预测的位置信息和逻辑信息，引入轴对齐处理思路，避免仅依赖逻辑信息预测的问题，减少单元格划分错误的情况；通过上下文信息与行列查询，解决跨行列cell填充问题；基于表格内容OCR匹配，实现物理位置修正。经测试，优化版本表格全对率有显著提升。
我们将通过几个案例，直观展示TextIn在PDF表格识别和解析上的优秀表现。
案例1：
识别错误
优化结果
如图所示，左侧图片是无线表格解析中常见的bad case：合并单元格结构识别不准确。由于合并单元格有顶部对齐、垂直居中多种形式，在实际文档中版面复杂多变，在没有框线的情况下，更增加了解析模型的识别难度。
右侧图中可以看到，TextIn文档解析能妥善处理这类难点情况，实现正确的表格还原，保障下游信息处理的准确性。
案例2：
识别错误
优化结果
缺少结构信息的表格文字识别会丢失重要价值，导致数据成为无意义的数字。
PDF文件中，拥有不同行列数的不规则无线表格在同一版面呈现的情况相当常见。以图中的金融机构报告为例，值得注意的是，TextIn会同步预测空cell，以提升整体表格解析准确率。
案例3：
识别错误
优化结果
如图所示，对于清晰度较低、噪点多的扫描图像，优化后的表格模型也能实现精准的识别。
从具体案例来看，TextIn对解决单元格中的多行问题有优异的效果，用户如有产品说明书、体检报告、技术规格书等文件及其他类型多行复杂表格的解析需求，解析引擎的准确性和使用体验都将大幅度提升，能够满足教育、金融、数据处理等多种场景的精细化使用需求。
