Skip to content

GitLab

"...git@developer.sourcefind.cn:OpenDAS/mmdetection3d.git" did not exist on "a50c71dd7a1229530de74e962bca3c7284642040"
Commit 8ac8b59a authored by myhloli's avatar myhloli
Browse files

docs: update output_file.md with detailed descriptions of output files and their formats

parent 6e6e05fa
Hide whitespace changes
Inline Side-by-side
Showing with 255 additions and 305 deletions
docs/zh/usage/output_file.md
View file @ 8ac8b59a
# 概览 # MinerU 输出文件说明
`mineru` 命令执行后除了输出 markdown 文件以外，还可能会生成若干个和 markdown 无关的文件。现在将一一介绍这些文件 ## 目录
## some_pdf_layout.pdf - [概览](#概览)
- [可视化调试文件](#可视化调试文件)
- [布局分析文件 (layout.pdf)](#布局分析文件-layoutpdf)
- [文本片段文件 (spans.pdf)](#文本片段文件-spanspdf)
- [结构化数据文件](#结构化数据文件)
- [模型推理结果 (model.json)](#模型推理结果-modeljson)
- [VLM 输出结果 (model_output.txt)](#vlm-输出结果-model_outputtxt)
- [中间处理结果 (middle.json)](#中间处理结果-middlejson)
- [内容列表 (content_list.json)](#内容列表-content_listjson)
每一页的 layout 均由一个或多个框组成。 每个框右上角的数字表明它们的阅读顺序。此外 layout.pdf 框内用不同的背景色块圈定不同的内容块。 ## 概览
`mineru` 命令执行后，除了输出主要的 markdown 文件外，还会生成多个辅助文件用于调试、质检和进一步处理。这些文件包括：
- **可视化调试文件**：帮助用户直观了解文档解析过程和结果
- **结构化数据文件**：包含详细的解析数据，可用于二次开发
下面将详细介绍每个文件的作用和格式。
## 可视化调试文件
### 布局分析文件 (layout.pdf)
**文件命名格式**：`{原文件名}_layout.pdf`
**功能说明**：
- 可视化展示每一页的布局分析结果
- 每个检测框右上角的数字表示阅读顺序
- 使用不同背景色块区分不同类型的内容块
**使用场景**：
- 检查布局分析是否正确
- 确认阅读顺序是否合理
- 调试布局相关问题
![layout 页面示例](../images/layout_example.png) ![layout 页面示例](../images/layout_example.png)
## some_pdf_spans.pdf(仅适用于pipeline后端) ### 文本片段文件 (spans.pdf)
> **注意**：仅适用于 pipeline 后端
**文件命名格式**：`{原文件名}_spans.pdf`
根据 span 类型的不同，采用不同颜色线框绘制页面上所有 span。该文件可以用于质检，可以快速排查出文本丢失、行内公式未识别等问题。 **功能说明**：
- 根据 span 类型使用不同颜色线框标注页面内容
- 用于质量检查和问题排查
**使用场景**：
- 快速排查文本丢失问题
- 检查行内公式识别情况
- 验证文本分割准确性
![span 页面示例](../images/spans_example.png) ![span 页面示例](../images/spans_example.png)
## some_pdf_model.json(仅适用于pipeline后端) ## 结构化数据文件
### 模型推理结果 (model.json)
> **注意**：仅适用于 pipeline 后端
### 结构定义 **文件命名格式**：`{原文件名}_model.json`
#### 数据结构定义
```python ```python
from pydantic import BaseModel, Field from pydantic import BaseModel, Field
from enum import IntEnum from enum import IntEnum
class CategoryType(IntEnum): class CategoryType(IntEnum):
title = 0 # 标题 """内容类别枚举"""
plain_text = 1 # 文本 title = 0 # 标题
abandon = 2 # 包括页眉页脚页码和页面注释 plain_text = 1 # 文本
figure = 3 # 图片 abandon = 2 # 包括页眉页脚页码和页面注释
figure_caption = 4 # 图片描述 figure = 3 # 图片
table = 5 # 表格 figure_caption = 4 # 图片描述
table_caption = 6 # 表格描述 table = 5 # 表格
table_footnote = 7 # 表格注释 table_caption = 6 # 表格描述
isolate_formula = 8 # 行间公式 table_footnote = 7 # 表格注释
formula_caption = 9 # 行间公式的标号 isolate_formula = 8 # 行间公式
formula_caption = 9 # 行间公式的标号
embedding = 13 # 行内公式 embedding = 13 # 行内公式
isolated = 14 # 行间公式 isolated = 14 # 行间公式
text = 15 # ocr 识别结果 text = 15 # OCR 识别结果
class PageInfo(BaseModel): class PageInfo(BaseModel):
"""页面信息"""
page_no: int = Field(description="页码序号，第一页的序号是 0", ge=0) page_no: int = Field(description="页码序号，第一页的序号是 0", ge=0)
height: int = Field(description="页面高度", gt=0) height: int = Field(description="页面高度", gt=0)
width: int = Field(description="页面宽度", ge=0) width: int = Field(description="页面宽度", ge=0)
class ObjectInferenceResult(BaseModel): class ObjectInferenceResult(BaseModel):
"""对象识别结果"""
category_id: CategoryType = Field(description="类别", ge=0) category_id: CategoryType = Field(description="类别", ge=0)
poly: list[float] = Field(description="四边形坐标, 分别是 左上，右上，右下，左下 四点的坐标") poly: list[float] = Field(description="四边形坐标，格式为 [x0,y0,x1,y1,x2,y2,x3,y3]")
score: float = Field(description="推理结果的置信度") score: float = Field(description="推理结果的置信度")
latex: str | None = Field(description="latex 解析结果", default=None) latex: str | None = Field(description="LaTeX 解析结果", default=None)
html: str | None = Field(description="html 解析结果", default=None) html: str | None = Field(description="HTML 解析结果", default=None)
class PageInferenceResults(BaseModel): class PageInferenceResults(BaseModel):
layout_dets: list[ObjectInferenceResult] = Field(description="页面识别结果", ge=0) """页面推理结果"""
page_info: PageInfo = Field(description="页面元信息") layout_dets: list[ObjectInferenceResult] = Field(description="页面识别结果")
page_info: PageInfo = Field(description="页面元信息")
# 完整的推理结果
# 所有页面的推理结果按照页码顺序依次放到列表中即为 minerU 推理结果
inference_result: list[PageInferenceResults] = [] inference_result: list[PageInferenceResults] = []
``` ```
poly 坐标的格式 \[x0, y0, x1, y1, x2, y2, x3, y3\], 分别表示左上、右上、右下、左下四点的坐标 #### 坐标系统说明
`poly` 坐标格式：`[x0, y0, x1, y1, x2, y2, x3, y3]`
- 分别表示左上、右上、右下、左下四点的坐标
- 坐标原点在页面左上角
![poly 坐标示意图](../images/poly.png) ![poly 坐标示意图](../images/poly.png)
### 示例数据 #### 示例数据
```json ```json
[ [
...@@ -73,14 +126,10 @@ poly 坐标的格式 \[x0, y0, x1, y1, x2, y2, x3, y3\], 分别表示左上、 ...@@ -73,14 +126,10 @@ poly 坐标的格式 \[x0, y0, x1, y1, x2, y2, x3, y3\], 分别表示左上、
{ {
"category_id": 2, "category_id": 2,
"poly": [ "poly": [
99.1906967163086, 99.1906967163086, 100.3119125366211,
100.3119125366211, 730.3707885742188, 100.3119125366211,
730.3707885742188, 730.3707885742188, 245.81326293945312,
100.3119125366211, 99.1906967163086, 245.81326293945312
730.3707885742188,
245.81326293945312,
99.1906967163086,
245.81326293945312
], ],
"score": 0.9999997615814209 "score": 0.9999997615814209
} }
...@@ -90,255 +139,156 @@ poly 坐标的格式 \[x0, y0, x1, y1, x2, y2, x3, y3\], 分别表示左上、 ...@@ -90,255 +139,156 @@ poly 坐标的格式 \[x0, y0, x1, y1, x2, y2, x3, y3\], 分别表示左上、
"height": 2339, "height": 2339,
"width": 1654 "width": 1654
} }
},
{
"layout_dets": [
{
"category_id": 5,
"poly": [
99.13092803955078,
2210.680419921875,
497.3183898925781,
2210.680419921875,
497.3183898925781,
2264.78076171875,
99.13092803955078,
2264.78076171875
],
"score": 0.9999997019767761
}
],
"page_info": {
"page_no": 1,
"height": 2339,
"width": 1654
}
} }
] ]
``` ```
## some_pdf_model_output.txt(仅适用于vlm后端) ### VLM 输出结果 (model_output.txt)
该文件是vlm模型的输出结果，使用`----`分割每一页的输出结果。 > **注意**：仅适用于 VLM 后端
每一页的输出结果一些以`<|box_start|>`开头，`<|md_end|>`结尾的文本块。
其中字段的含义： **文件命名格式**：`{原文件名}_model_output.txt`
- `<|box_start|>x0 y0 x1 y1<|box_end|>`
其中x0 y0 x1 y1是四边形的坐标，分别表示左上、右下的两点坐标，值为将页面缩放至1000x1000后，四边形的坐标值。
- `<|ref_start|>type<|ref_end|>`
type是该block的类型，可能的值有：
```json
{
"text": "文本",
"title": "标题",
"image": "图片",
"image_caption": "图片描述",
"image_footnote": "图片脚注",
"table": "表格",
"table_caption": "表格描述",
"table_footnote": "表格脚注",
"equation": "行间公式"
}
```
- `<|md_start|>markdown内容<|md_end|>`
该字段是该block的markdown内容，如type为text，文本末尾可能存在`<|txt_contd|>`标记，表示该文本块可以后后续text块连接。
如type为table，内容为`otsl`格式表示的表格内容，需要转换为html格式才能在markdown中渲染。
## some_pdf_middle.json
| 字段名 | 解释 |
|:---------------|:------------------------------------------|
| pdf_info | list，每个元素都是一个dict,这个dict是每一页pdf的解析结果，详见下表 |
| \_backend | pipeline \| vlm，用来标识本次解析的中间态使用的模式 |
| \_version_name | string, 表示本次解析使用的 mineru 的版本号 |
<br>
**pdf_info**
字段结构说明
| 字段名 | 解释 |
| :------------------ | :------------------------------------------------------------------- |
| preproc_blocks | pdf预处理后，未分段的中间结果 |
| layout_bboxes | 布局分割的结果，含有布局的方向（垂直、水平），和bbox，按阅读顺序排序 |
| page_idx | 页码，从0开始 |
| page_size | 页面的宽度和高度 |
| \_layout_tree | 布局树状结构 |
| images | list，每个元素是一个dict，每个dict表示一个img_block |
| tables | list，每个元素是一个dict，每个dict表示一个table_block |
| interline_equations | list，每个元素是一个dict，每个dict表示一个interline_equation_block |
| discarded_blocks | List, 模型返回的需要drop的block信息 |
| para_blocks | 将preproc_blocks进行分段之后的结果 |
上表中 `para_blocks` 是个dict的数组，每个dict是一个block结构，block最多支持一次嵌套
<br>
**block**
外层block被称为一级block，一级block中的字段包括
| 字段名 | 解释 |
| :----- | :---------------------------------------------- |
| type | block类型（table\|image） |
| bbox | block矩形框坐标 |
| blocks | list，里面的每个元素都是一个dict格式的二级block |
<br>
一级block只有"table"和"image"两种类型，其余block均为二级block
二级block中的字段包括
| 字段名 | 解释 |
| :----- | :----------------------------------------------------------- |
| type | block类型 |
| bbox | block矩形框坐标 |
| lines | list，每个元素都是一个dict表示的line，用来描述一行信息的构成 |
二级block的类型详解
| type | desc |
| :----------------- | :------------- |
| image_body | 图像的本体 |
| image_caption | 图像的描述文本 |
| image_footnote | 图像的脚注 |
| table_body | 表格本体 |
| table_caption | 表格的描述文本 |
| table_footnote | 表格的脚注 |
| text | 文本块 |
| title | 标题块 |
| index | 目录块 |
| list | 列表块 |
| interline_equation | 行间公式块 |
<br>
**line**
line 的 字段格式如下
| 字段名 | 解释 |
| :----- | :------------------------------------------------------------------- |
| bbox | line的矩形框坐标 |
| spans | list，每个元素都是一个dict表示的span，用来描述一个最小组成单元的构成 |
<br>
**span**
| 字段名 | 解释 |
| :------------------ | :------------------------------------------------------------------------------- |
| bbox | span的矩形框坐标 |
| type | span的类型 |
| content \| img_path | 文本类型的span使用content，图表类使用img_path 用来存储实际的文本或者截图路径信息 |
span 的类型有如下几种 #### 文件格式说明
| type | desc | - 使用 `----` 分割每一页的输出结果
| :----------------- | :------- | - 每页包含多个以 `<|box_start|>` 开头、`<|md_end|>` 结尾的文本块
| image | 图片 |
| table | 表格 |
| text | 文本 |
| inline_equation | 行内公式 |
| interline_equation | 行间公式 |
**总结** #### 字段含义
span是所有元素的最小存储单元 | 标记 | 格式 | 说明 |
|------|---|------|
| 边界框 | `<\|box_start\|>x0 y0 x1 y1<\|box_end\|>` | 四边形坐标（左上、右下两点），页面缩放至 1000×1000 后的坐标值 |
| 类型标记 | `<\|ref_start\|>type<\|ref_end\|>` | 内容块类型标识 |
| 内容 | `<\|md_start\|>markdown内容<\|md_end\|>` | 该块的 Markdown 内容 |
#### 支持的内容类型
```json
{
"text": "文本",
"title": "标题",
"image": "图片",
"image_caption": "图片描述",
"image_footnote": "图片脚注",
"table": "表格",
"table_caption": "表格描述",
"table_footnote": "表格脚注",
"equation": "行间公式"
}
```
#### 特殊标记
- `<|txt_contd|>`：出现在文本末尾，表示该文本块可与后续文本块连接
- 表格内容采用 `otsl` 格式，需转换为 HTML 才能在 Markdown 中渲染
### 中间处理结果 (middle.json)
**文件命名格式**：`{原文件名}_middle.json`
#### 顶层结构
| 字段名 | 类型 | 说明 |
|--------|------|------|
| `pdf_info` | `list[dict]` | 每一页的解析结果数组 |
| `_backend` | `string` | 解析模式：`pipeline` 或 `vlm` |
| `_version_name` | `string` | MinerU 版本号 |
#### 页面信息结构 (pdf_info)
| 字段名 | 说明 |
|--------|------|
| `preproc_blocks` | PDF 预处理后的未分段中间结果 |
| `layout_bboxes` | 布局分割结果，包含布局方向和边界框，按阅读顺序排序 |
| `page_idx` | 页码，从 0 开始 |
| `page_size` | 页面的宽度和高度 `[width, height]` |
| `_layout_tree` | 布局树状结构 |
| `images` | 图片块信息列表 |
| `tables` | 表格块信息列表 |
| `interline_equations` | 行间公式块信息列表 |
| `discarded_blocks` | 需要丢弃的块信息 |
| `para_blocks` | 分段后的内容块结果 |
#### 块结构层次
```
一级块 (table | image)
└── 二级块
└── 行 (line)
└── 片段 (span)
```
para_blocks内存储的元素为区块信息 #### 一级块字段
区块结构为 | 字段名 | 说明 |
|--------|------|
| `type` | 块类型：`table` 或 `image` |
| `bbox` | 块的矩形框坐标 `[x0, y0, x1, y1]` |
| `blocks` | 包含的二级块列表 |
一级block(如有)->二级block->line->span #### 二级块字段
### 示例数据 | 字段名 | 说明 |
|--------|------|
| `type` | 块类型（详见下表） |
| `bbox` | 块的矩形框坐标 |
| `lines` | 包含的行信息列表 |
#### 二级块类型
| 类型 | 说明 |
|------|------|
| `image_body` | 图像本体 |
| `image_caption` | 图像描述文本 |
| `image_footnote` | 图像脚注 |
| `table_body` | 表格本体 |
| `table_caption` | 表格描述文本 |
| `table_footnote` | 表格脚注 |
| `text` | 文本块 |
| `title` | 标题块 |
| `index` | 目录块 |
| `list` | 列表块 |
| `interline_equation` | 行间公式块 |
#### 行和片段结构
**行 (line) 字段**：
- `bbox`：行的矩形框坐标
- `spans`：包含的片段列表
**片段 (span) 字段**：
- `bbox`：片段的矩形框坐标
- `type`：片段类型（`image`、`table`、`text`、`inline_equation`、`interline_equation`）
- `content` | `img_path`：文本内容或图片路径
#### 示例数据
```json ```json
{ {
"pdf_info": [ "pdf_info": [
{ {
"preproc_blocks": [ "preproc_blocks": [...],
{
"type": "text",
"bbox": [
52,
61.956024169921875,
294,
82.99800872802734
],
"lines": [
{
"bbox": [
52,
61.956024169921875,
294,
72.0000228881836
],
"spans": [
{
"bbox": [
54.0,
61.956024169921875,
296.2261657714844,
72.0000228881836
],
"content": "dependent on the service headway and the reliability of the departure ",
"type": "text",
"score": 1.0
}
]
}
]
}
],
"layout_bboxes": [ "layout_bboxes": [
{ {
"layout_bbox": [ "layout_bbox": [52, 61, 294, 731],
52,
61,
294,
731
],
"layout_label": "V", "layout_label": "V",
"sub_layout": [] "sub_layout": []
} }
], ],
"page_idx": 0, "page_idx": 0,
"page_size": [ "page_size": [612.0, 792.0],
612.0,
792.0
],
"_layout_tree": [],
"images": [],
"tables": [],
"interline_equations": [],
"discarded_blocks": [],
"para_blocks": [ "para_blocks": [
{ {
"type": "text", "type": "text",
"bbox": [ "bbox": [52, 61.956024169921875, 294, 82.99800872802734],
52,
61.956024169921875,
294,
82.99800872802734
],
"lines": [ "lines": [
{ {
"bbox": [ "bbox": [52, 61.956024169921875, 294, 72.0000228881836],
52,
61.956024169921875,
294,
72.0000228881836
],
"spans": [ "spans": [
{ {
"bbox": [ "bbox": [54.0, 61.956024169921875, 296.2261657714844, 72.0000228881836],
54.0, "content": "dependent on the service headway...",
61.956024169921875,
296.2261657714844,
72.0000228881836
],
"content": "dependent on the service headway and the reliability of the departure ",
"type": "text", "type": "text",
"score": 1.0 "score": 1.0
} }
...@@ -354,81 +304,81 @@ para_blocks内存储的元素为区块信息 ...@@ -354,81 +304,81 @@ para_blocks内存储的元素为区块信息
} }
``` ```
## some_pdf_content_list.json ### 内容列表 (content_list.json)
**文件命名格式**：`{原文件名}_content_list.json`
#### 功能说明
这是一个简化版的 `middle.json`，按阅读顺序平铺存储所有可读内容块，去除了复杂的布局信息，便于后续处理。
#### 内容类型
该文件是一个json数组，每个元素是一个dict，按阅读顺序平铺存储文档中所有可阅读的内容块。 | 类型 | 说明 |
content_list可以看成简化后的middle.json，内容块的类型基本和middle.json一致，但不包含布局信息。 |------|------|
content的类型有如下几种： | `image` | 图片 |
| `table` | 表格 |
| `text` | 文本/标题 |
| `equation` | 行间公式 |
| type | desc | #### 文本层级标识
|:---------|:------|
| image | 图片 |
| table | 表格 |
| text | 文本/标题 |
| equation | 行间公式 |
需要注意的是，content_list中的title和text块统一使用text类型表示，通过`text_level`字段来区分文本块的层级，不含`text_level`字段或`text_level`为0的文本块表示正文文本，`text_level`为1的文本块表示一级标题，`text_level`为2的文本块表示二级标题，以此类推。 通过 `text_level` 字段区分文本层级：
每个content包含`page_idx`字段，表示该内容块所在的页码，从0开始。 - 无 `text_level` 或 `text_level: 0`：正文文本
- `text_level: 1`：一级标题
- `text_level: 2`：二级标题
- 以此类推...
### 示例数据 #### 通用字段
所有内容块都包含 `page_idx` 字段，表示所在页码（从 0 开始）。
#### 示例数据
```json ```json
[ [
{
"type": "text",
"text": "The response of flow duration curves to afforestation ",
"text_level": 1,
"page_idx": 0
},
{ {
"type": "text", "type": "text",
"text": "Received 1 October 2003; revised 22 December 2004; accepted 3 January 2005 ", "text": "The response of flow duration curves to afforestation",
"text_level": 1,
"page_idx": 0 "page_idx": 0
}, },
{ {
"type": "text", "type": "text",
"text": "Abstract ", "text": "Abstract",
"text_level": 2, "text_level": 2,
"page_idx": 0 "page_idx": 0
}, },
{
"type": "text",
"text": "The hydrologic effect of replacing pasture or other short crops with trees is reasonably well understood on a mean annual basis. The impact on flow regime, as described by the annual flow duration curve (FDC) is less certain. A method to assess the impact of plantation establishment on FDCs was developed. The starting point for the analyses was the assumption that rainfall and vegetation age are the principal drivers of evapotranspiration. A key objective was to remove the variability in the rainfall signal, leaving changes in streamflow solely attributable to the evapotranspiration of the plantation. A method was developed to (1) fit a model to the observed annual time series of FDC percentiles; i.e. 10th percentile for each year of record with annual rainfall and plantation age as parameters, (2) replace the annual rainfall variation with the long term mean to obtain climate adjusted FDCs, and (3) quantify changes in FDC percentiles as plantations age. Data from 10 catchments from Australia, South Africa and New Zealand were used. The model was able to represent flow variation for the majority of percentiles at eight of the 10 catchments, particularly for the 10–50th percentiles. The adjusted FDCs revealed variable patterns in flow reductions with two types of responses (groups) being identified. Group 1 catchments show a substantial increase in the number of zero flow days, with low flows being more affected than high flows. Group 2 catchments show a more uniform reduction in flows across all percentiles. The differences may be partly explained by storage characteristics. The modelled flow reductions were in accord with published results of paired catchment experiments. An additional analysis was performed to characterise the impact of afforestation on the number of zero flow days $( N _ { \\mathrm { z e r o } } )$ for the catchments in group 1. This model performed particularly well, and when adjusted for climate, indicated a significant increase in $N _ { \\mathrm { z e r o } }$ . The zero flow day method could be used to determine change in the occurrence of any given flow in response to afforestation. The methods used in this study proved satisfactory in removing the rainfall variability, and have added useful insight into the hydrologic impacts of plantation establishment. This approach provides a methodology for understanding catchment response to afforestation, where paired catchment data is not available. ",
"page_idx": 0
},
{
"type": "text",
"text": "1. Introduction ",
"text_level": 2,
"page_idx": 1
},
{ {
"type": "image", "type": "image",
"img_path": "images/a8ecda1c69b27e4f79fce1589175a9d721cbdc1cf78b4cc06a015f3746f6b9d8.jpg", "img_path": "images/a8ecda1c69b27e4f79fce1589175a9d721cbdc1cf78b4cc06a015f3746f6b9d8.jpg",
"img_caption": [ "img_caption": ["Fig. 1. Annual flow duration curves..."],
"Fig. 1. Annual flow duration curves of daily flows from Pine Creek, Australia, 1989–2000. "
],
"img_footnote": [], "img_footnote": [],
"page_idx": 1 "page_idx": 1
}, },
{ {
"type": "equation", "type": "equation",
"img_path": "images/181ea56ef185060d04bf4e274685f3e072e922e7b839f093d482c29bf89b71e8.jpg", "img_path": "images/181ea56ef185060d04bf4e274685f3e072e922e7b839f093d482c29bf89b71e8.jpg",
"text": "$$\nQ _ { \\% } = f ( P ) + g ( T )\n$$", "text": "$$Q_{\\%} = f(P) + g(T)$$",
"text_format": "latex", "text_format": "latex",
"page_idx": 2 "page_idx": 2
}, },
{ {
"type": "table", "type": "table",
"img_path": "images/e3cb413394a475e555807ffdad913435940ec637873d673ee1b039e3bc3496d0.jpg", "img_path": "images/e3cb413394a475e555807ffdad913435940ec637873d673ee1b039e3bc3496d0.jpg",
"table_caption": [ "table_caption": ["Table 2 Significance of the rainfall and time terms"],
"Table 2 Significance of the rainfall and time terms " "table_footnote": ["indicates that the rainfall term was significant..."],
], "table_body": "<html><body><table>...</table></body></html>",
"table_footnote": [
"indicates that the rainfall term was significant at the $5 \\%$ level, $T$ indicates that the time term was significant at the $5 \\%$ level, \\* represents significance at the $10 \\%$ level, and na denotes too few data points for meaningful analysis. "
],
"table_body": "<html><body><table><tr><td rowspan=\"2\">Site</td><td colspan=\"10\">Percentile</td></tr><tr><td>10</td><td>20</td><td>30</td><td>40</td><td>50</td><td>60</td><td>70</td><td>80</td><td>90</td><td>100</td></tr><tr><td>Traralgon Ck</td><td>P</td><td>P,*</td><td>P</td><td>P</td><td>P,</td><td>P,</td><td>P,</td><td>P,</td><td>P</td><td>P</td></tr><tr><td>Redhill</td><td>P,T</td><td>P,T</td><td>，*</td><td>**</td><td>P.T</td><td>P,*</td><td>P*</td><td>P*</td><td>*</td><td>，*</td></tr><tr><td>Pine Ck</td><td></td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>T</td><td>T</td><td>T</td><td>na</td><td>na</td></tr><tr><td>Stewarts Ck 5</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P.T</td><td>P.T</td><td>P,T</td><td>na</td><td>na</td><td>na</td></tr><tr><td>Glendhu 2</td><td>P</td><td>P,T</td><td>P,*</td><td>P,T</td><td>P.T</td><td>P,ns</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td></tr><tr><td>Cathedral Peak 2</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>*,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>T</td></tr><tr><td>Cathedral Peak 3</td><td>P.T</td><td>P.T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>T</td></tr><tr><td>Lambrechtsbos A</td><td>P,T</td><td>P</td><td>P</td><td>P,T</td><td>*,T</td><td>*,T</td><td>*,T</td><td>*,T</td><td>*,T</td><td>T</td></tr><tr><td>Lambrechtsbos B</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>P,T</td><td>T</td><td>T</td></tr><tr><td>Biesievlei</td><td>P,T</td><td>P.T</td><td>P,T</td><td>P,T</td><td>*,T</td><td>*,T</td><td>T</td><td>T</td><td>P,T</td><td>P,T</td></tr></table></body></html>",
"page_idx": 5 "page_idx": 5
} }
] ]
``` ```
\ No newline at end of file
## 总结
以上文件为 MinerU 的完整输出结果，用户可根据需要选择合适的文件进行后续处理：
- **模型输出**：使用原始输出（model.json、model_output.txt）
- **调试和验证**：使用可视化文件（layout.pdf、spans.pdf）
- **内容提取**：使用简化文件（*.md、content_list.json）
- **二次开发**：使用结构化文件（middle.json）
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment