文件类型与 Markdown

以下内容适用于两种 文件路由：上传和 POST /parse。

​

文件类型

以下文件会被拒绝，返回 415 unsupported_file：

​

Markdown

​

版面块

使用 layout=true 时，OCR 读取的每个部分都带有 blocks，即其页面的各个区域。

​

Word 和 PowerPoint 中的图片

每张图片都会通过 OCR 读取，无论其在页面上的大小；上传时每张图片都会成为文件文档的一个部分（位置）。

• 作为图标或装饰而跳过：两边均小于 64 像素、短边小于 16 像素，或显示尺寸两边均小于半英寸。
• 在后续幻灯片中重复使用的图片只在首次出现处读取一次。

未产出文本的每张图片都会列在 without_text.images 中，并附带 reason：

​

暂不支持

• 按 JSON schema 提取。
• POST /parse 的分块选项：它返回各部分及整个文件。