ファイル形式と Markdown

以下は両方のファイルルート、つまりアップロードと POST /parse に適用されます。

​

ファイル形式

415 unsupported_file で拒否されるもの:

​

Markdown

​

レイアウトブロック

layout=true の場合、OCR で読み取った各パートは、ページ内の領域を表す blocks を持ちます。

​

Word と PowerPoint 内の画像

すべての画像は、ページ上のサイズにかかわらず OCR で読み取られます。アップロード時には各画像がファイルのドキュメントの一部になります(位置)。

• アイコンや装飾としてスキップされるもの: 縦横とも 64 ピクセル未満、短辺が 16 ピクセル未満、または縦横とも 0.5 インチ未満で表示されているもの。
• 後のスライドで再利用された画像は、最初に現れた箇所で 1 回だけ読み取られます。

テキストが得られなかった画像は、reason とともに without_text.images に含まれます。

​

未対応の機能

• JSON スキーマへの抽出。
• POST /parse のチャンク分割オプション。パートとファイル全体を返します。