PDF解析神器测评：1.5秒100页，支持公式表格免费

2026-06-03阅读 0热度 0

ai 人工智能

处理图片、PDF、Word文档、网页等不同格式的文件，核心目标是快速精准提取关键信息。这看似简单，实际上耗时且繁琐。

PDF凭借便携性与格式稳性成为知识分享的主流载体，但其复杂与多样同样棘手——简单复制粘贴远无法满足精细信息提取需求。面对排版密集的学术论文、含大量表格与图表的企业报告，想要高质量结构化解析，必须借助更智能、更专业的工具。

坦白说，市面上开源工具不少，但许多用户反映上手门槛偏高，本地部署时频繁报错。今天介绍的，是合合信息旗下TextIn智能文档处理平台中的通用文档解析服务。它支持将图片、PDF等多种格式文件直接解析为Markdown或JSON文档。关键是输出格式对大型语言模型（LLM）非常友好，开箱即用。

该服务在PC端即可直接使用，新用户注册自动赠送1000页免费额度，日常处理需求基本覆盖。

产品优势

相比其他文档解析方案，TextIn几个核心亮点十分突出：

文件更大：单份文档最大支持500MB，无需预先拆分大文件。
页数更多：单次转换最多处理1000页，批量处理效率显著。
速度更快：解析100页PDF文档，最快仅需1.5秒。体验后便难以满足于缓慢工具。

产品特点

支持多种扫描内容：清晰扫描件、手机拍摄照片、杂乱截屏均可稳定处理。
支持多种语言：涵盖简体中文、繁体中文、英文、数字，以及西欧、东欧主流语言，总计超过50种。
表格识别效果好：有线表、无线表、密集表均能准确识别，合并单元格等复杂结构也能完整还原。
阅读顺序还原准：精准理解并还原文档真实结构与元素排列顺序。对多栏布局的论文、年报、业务报告等内容，此功能尤为关键。

功能演示

表格识别

竖向表格识别

复杂表格识别

阅读顺序还原

公式识别

古代状元殿试试卷识别

2024 高考数学试卷识别

应用场景

在AI领域，通用文档解析服务的应用场景极为广泛，常与其他AI技术结合，实现更高级的自动化与智能化。从实际落地来看，以下是几个最典型的集成方向：

自然语言处理（NLP）：作为NLP任务的前置步骤，负责从各类文档中提取文本，供后续语义分析、情感分析或机器翻译使用。
大模型训练语料处理：在训练大模型前，识别各类文档内容，输出JSON或Markdown这类对大模型友好的数据格式。高质量解析结果可大幅减少人工纠错数据的时间，加速模型训练节奏。
智能问答系统：构建基于大模型的智能问答系统时，解析不同类型知识库内容——无论企业内部文档库还是公开文章报告。将解析后的文档内容喂给问答系统，能让大模型在生成答案时“言之有物”，有效抑制幻觉，提升回答质量。
智能摘要：从不同文档中提取完整信息，结合NLP技术生成摘要，大幅节省阅读时间。

随着技术持续演进，通用文档解析器在AI领域的应用范围仍在扩大。它在提升数据处理能力、促进知识发现与支持决策制定方面的作用将越来越重要。

快速接入

除了直接在TextIn平台使用，还可通过API方式将服务集成到自己的应用中。TextIn平台对开发者十分友好，提供多种语言的开箱即用示例。

借助这些示例，我们能快速上手，开发一个本地可用的AI通用文档解析CLI工具。

前置条件

确保本地环境已安装Node.js，版本大于v18.0.0。安装完成后，通过以下命令查看版本：

node -v

开发步骤

新建TextIn项目
安装项目所需依赖

npm install commander dotenv -S
# or
pnpm install commander dotenv -S

dotenv：用于读取本地的.env文件；
commander：用于开发Node.js CLI工具。

打开TextIn项目，在根目录下新增textin.js文件

#!/usr/bin/env node

const fs = require("fs").promises;
const path = require("path");
const dotenv = require("dotenv");
const { program } = require("commander");

dotenv.config();

// Config subcommand
program
  .command("config")
  .description("Set appId and secretCode")
  .option("-a, --appId ", "Set the appId")
  .option("-s, --secretCode ", "Set the secretCode")
  .action(async (options) => {
    try {
      await updateEnvFile(options.appId, options.secretCode);
    } catch (error) {
      console.error("Error updating configuration:", error.message);
      process.exit(1);
    }
  });

// Main command
program
  .version("1.0.0")
  .option("-i, --inputfile ", "Input file path")
  .option("-o, --outfile ", "Output file path")
  .action(async (options) => {
    const appId = process.env.APP_ID;
    const secretCode = process.env.SECRET_CODE;
    const inputFile = options.inputfile;
    const outputFile = options.outfile;

    if (!appId || !secretCode || !inputFile) {
      console.error("Error: appId, secretCode, and inputfile are required.");
      console.error(
        'Use the "config" command to set appId and secretCode, or set them in a .env file.'
      );
      process.exit(1);
    }

    const url = "https://api.textin.com/ai/service/v1/pdf_to_markdown";

    try {
      const file = await fs.readFile(inputFile);

      const response = await fetch(url, {
        method: "POST",
        headers: {
          "x-ti-app-id": appId,
          "x-ti-secret-code": secretCode,
        },
        body: file,
      });

      if (!response.ok) {
        throw new Error(`HTTP error! status: ${response.status}`);
      }

      const data = await response.json();
      const result = data.result || {};
      const jsonData = result.detail;

      if (outputFile) {
        await ensureOutputDirectoryExists(outputFile);
        await fs.writeFile(outputFile, JSON.stringify(jsonData, null, 2));
        console.log(`Results written to ${outputFile}`);
      } else {
        console.log(JSON.stringify(jsonData, null, 2));
      }
    } catch (error) {
      console.error("Error:", error.message);
      process.exit(1);
    }
  });

program.parse(process.argv);

async function updateEnvFile(appId, secretCode) {
  const envPath = path.join(process.cwd(), ".env");
  let envContent = "";

  try {
    envContent = await fs.readFile(envPath, "utf8");
  } catch (error) {
    if (error.code !== "ENOENT") {
      throw error;
    }
  }

  const envLines = envContent.split("\n");
  const updateLine = (key, value) => {
    const index = envLines.findIndex((line) => line.startsWith(`${key}=`));
    if (index !== -1) {
      envLines[index] = `${key}=${value}`;
    } else {
      envLines.push(`${key}=${value}`);
    }
  };

  if (appId) updateLine("APP_ID", appId);
  if (secretCode) updateLine("SECRET_CODE", secretCode);

  await fs.writeFile(envPath, envLines.join("\n"));
  console.log("Configuration updated successfully.");
}

async function ensureOutputDirectoryExists(filePath) {
  const dir = path.dirname(filePath);
  try {
    await fs.access(dir);
  } catch (error) {
    if (error.code === "ENOENT") {
      await fs.mkdir(dir, { recursive: true });
      console.log(`Created directory: ${dir}`);
    } else {
      throw error;
    }
  }
}

添加可执行权限

chmod +x textin.js

登录TextIn工作台，打开https://www.textin.com/console/dashboard/setting，获取x-ti-app-id和x-ti-secret-code信息

配置x-ti-app-id和x-ti-secret-code信息，-a参数对应x-ti-app-id，-s参数对应x-ti-secret-code

./textin.js config -a XXXXXX -s YYYYYY

运行textin.js应用，-i参数对应输入本地文档的路径，-o参数对应输出json文件的路径

./textin.js -i ./MI-GAN.pdf -o ./MI-GAN.json

成功运行后，转换结果会保存到指定路径。如果需要保存解析后的Markdown文档，可自行修改textin.js相关代码。