在学术研究和企业知识库建设中，从论文、研报中提取图表数据一直是令人头疼的难题。传统方法依赖人工判读和手动记录，不仅精度难以保证，效率也极其低下。面对柱状图、折线图、散点图等各类图表，如何实现自动化、高精度的数据提取？合合信息旗下的 TextIn 文档解析给出了一个令人眼前一亮的答案。
图表数据提取的行业痛点
从金融研报、市场分析材料到学术论文，图表被广泛用于记录和直观表现数据。但当我们试图逆向拆解 PDF 或图片格式的图表，将其重新转化为 Excel 等可编辑数据形式时，困难重重。
传统图表数据提取存在诸多限制：肉眼判断坐标位置存在主观误差，复杂图表可能需要数小时处理，多个相关图表难以保持一致性，手动记录容易导致格式不统一。市面上虽有 WebPlotDigitizer、Engauge Digitizer 等工具能辅助图表识别工作，但大多需要手动操作，精度有限；调用 Python 库则要求使用者具备一定的编程能力。
TextIn 文档解析的图表数据提取能力
针对这一行业痛点，合合信息推出的 TextIn 文档解析创新性地增加了图表数据提取功能。该工具支持识别柱状图、折线图、饼图、雷达图、散点图等多种图表类型，并自动提取坐标轴标签、图例分类以及各数据点数值，将非矢量格式的图表转化为表格形式的结构化数据。
更值得一提的是，对于没有明确数值标注的复杂图表，TextIn 文档解析也可通过精确测量给出预估数值。对于有数值标注的图表，则可以直接输出准确表格。用户通过线上参数配置即可调用，完成全文解析，无需对样本进行预先分割或其他预处理。
不止于图表：全方位的文档解析能力
TextIn 文档解析的能力远不止图表数据提取。在处理学术论文时，它还能解决多栏布局与阅读顺序还原、专业公式与特殊符号识别、复杂表格的结构化提取等难题。
学术期刊普遍采用双栏甚至三栏排版，同时穿插图、表、公式、脚注等浮动元素。TextIn 文档解析基于版面分析技术，能够智能识别文档中的栏区域、段落区块、标题层级及浮动元素，输出的 Markdown 或 JSON 文件严格遵循原始阅读顺序。针对理工医类论文中频繁出现的数学推导、化学方程式、生物统计符号等，TextIn 文档解析具备高精度的印刷体及手写体公式识别能力，支持 LaTeX 结构化输出格式。
实际应用：医药与半导体企业的选择
在实际应用中，某头部医药企业在建设智能知识库时，面临临床试验报告、生物医学文献中大量复杂表格、化学式、跨页段落的解析难题。通过引入 TextIn 文档解析作为统一前端引擎，成功将海量非结构化专业文档转化为结构化数据，支撑起研发、供应链与质量、生产、内部资产、营销助理五大知识库的构建。
对于需要从文献图表中提取数据进行二次分析的科研人员和企业用户而言，合合信息 TextIn 文档解析提供了一条高效、精准的路径，让图表不再是“数据孤岛”，而是可被检索、可被分析的结构化资产。
