파일 유형과 Markdown

이 내용은 두 파일 경로, 즉 업로드와 POST /parse에 모두 적용됩니다.

파일 유형

파일	확장자	`type`
PDF	`.pdf`	`pdf`
Word	`.docx`, `.docm`, `.dotx`, `.doc` (97-2003), `.rtf`, `.odt`	`docx`, `doc`, `rtf`, `odt`
PowerPoint	`.pptx`, `.pptm`, `.potx`, `.ppsx`, `.ppt` (97-2003), `.odp`	`pptx`, `ppt`, `odp`
Excel	`.xlsx`, `.xlsm`, `.xls` (97-2003 및 5.0/95), `.ods`. 매크로는 실행되지 않습니다	`xlsx`, `ods` (`xls`, `xlsm`도 가능)
CSV, TSV	`.csv`, `.tsv`	`csv`, `tsv`
텍스트, Markdown	`.txt`, `.md`	`txt`, `md`
이미지	`.png`, `.jpg`, `.webp`, `.tif` (모든 페이지), `.gif` (첫 프레임), `.bmp`, `.heic`, `.heif`	`png`, `jpeg`, `webp`, `tiff`, `gif`, `bmp`, `heic` (`jpg`, `tif`, `heif`도 가능)

읽는 방식
PDF 페이지	내용이 있는 모든 페이지를 OCR로 읽습니다. 디지털로 생성된 페이지도 마찬가지이므로 표, 제목, 읽기 순서가 유지됩니다
OCR이 건너뛴 페이지	자체 텍스트 레이어를 유지합니다
`.doc`, `.rtf`, `.odt`	Word(`docx`)로 읽습니다. `.ppt`, `.odp`는 PowerPoint(`pptx`), `.xls`, `.ods`는 Excel(`xlsx`)로 읽습니다
`.ppt` 표	셀 텍스트를 한 줄에 하나씩 읽습니다
차트	제목, 축 제목, 값 표

415 unsupported_file로 거부되는 파일:

파일	다음 형식으로 저장
Word 6.0/95	`.docx`
AVIF 이미지	JPEG 또는 PNG

요소	표기 방식
페이지, 슬라이드, 시트	`<!-- page 3 -->`, `<!-- slide 4 -->` 또는 `<!-- sheet "Q3" -->`로 시작
제목, 목록	`#`과 `##`, `-`과 `1.`
표	헤더 행이 있는 Markdown. 셀이 병합되거나 30열 또는 300행을 넘으면 `colspan`과 `rowspan`이 있는 HTML `<table>`
숫자	인쇄된 그대로
머리글과 바닥글	`<!-- header: ... -->`와 `<!-- footer: ... -->`. 페이지 번호는 제외됩니다
각주	해당 페이지 끝
텍스트 상자, 사이드바	읽기 순서대로
체크박스, 양식 필드	☑와 ☐, `key: value` 줄

layout=true이면 OCR이 읽은 각 부분에 페이지 영역인 blocks가 포함됩니다.

필드	의미
`type`	`title`, `text`, `list`, `table`, `image`, `header`, `footer`, `page_number`, …
`bbox`	페이지 왼쪽 위 기준 비율로 나타낸 `[x0, y0, x1, y1]`
`order`	읽기 순서
`content`	블록의 텍스트
`conf`	OCR의 확신도

모든 그림은 페이지상 크기와 관계없이 OCR로 읽습니다. 업로드 시 각 그림은 파일 문서의 한 부분이 됩니다(위치).

아이콘이나 장식으로 간주해 건너뛰는 경우: 양쪽 모두 64픽셀 미만, 짧은 쪽이 16픽셀 미만, 또는 양쪽 모두 0.5인치 미만으로 표시되는 경우.
이후 슬라이드에서 다시 사용된 그림은 처음 나타난 곳에서 한 번만 읽습니다.

텍스트가 나오지 않은 그림은 reason과 함께 without_text.images에 있습니다.