> ## Documentation Index
> Fetch the complete documentation index at: https://docs.conare.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Conare's API is at https://api.conare.ai. Authenticate with `Authorization: Bearer $CONARE_API_KEY`.
> The full OpenAPI spec is at https://api.conare.ai/openapi.yaml; each endpoint has a page under /api-reference, and appending .md to any page URL returns its Markdown.
> Embed with model conare-embed-1; send input_type "query" for search queries. Rerank with conare-rerank-1.
> Prefer the TypeScript SDK (`npm install conare`) or plain HTTP in examples.
> Install the Conare skill with `npx skills add https://docs.conare.ai`; search these docs over MCP at https://docs.conare.ai/mcp; the whole site is at https://docs.conare.ai/llms-full.txt.

# 文件类型与 Markdown

> Conare 可读取的文件格式、各格式如何转换为 Markdown，以及图片和版面如何读取。

以下内容适用于两种 [文件路由](https://docs.conare.ai/zh/files.md)：上传和 `POST /parse`。

## 文件类型

| 文件 | 扩展名 | `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 及 5.0/95）、`.ods`；宏永不运行 | `xlsx`、`ods`（`xls`、`xlsm` 也可用） |
| CSV、TSV | `.csv`、`.tsv` | `csv`、`tsv` |
| 文本、Markdown | `.txt`、`.md` | `txt`、`md` |
| 图片 | `.png`、`.jpg`、`.webp`、`.tif`（每一页）、`.gif`（第一帧）、`.bmp`、`.heic`、`.heif` | `png`、`jpeg`、`webp`、`tiff`、`gif`、`bmp`、`heic`（`jpg`、`tif`、`heif` 也可用） |

| 读取方式 | |
| - | - |
| PDF 页面 | 每个有内容的页面都通过 OCR 读取，原生数字页面也不例外，因此会保留表格、标题和阅读顺序 |
| OCR 跳过的页面 | 保留其自身的文本层 |
| `.doc`、`.rtf`、`.odt` | 按 Word（`docx`）读取；`.ppt`、`.odp` 按 PowerPoint（`pptx`）读取；`.xls`、`.ods` 按 Excel（`xlsx`）读取 |
| `.ppt` 表格 | 读取为单元格文本，每行一个 |
| 图表 | 读取其标题、坐标轴标题及数值表 |

以下文件会被拒绝，返回 `415 unsupported_file`：

| 文件 | 另存为 |
| - | - |
| Word 6.0/95 | `.docx` |
| AVIF 图片 | JPEG 或 PNG |

## Markdown

| 元素 | 写作 |
| - | - |
| 页面、幻灯片、工作表 | 以 `<!-- page 3 -->`、`<!-- slide 4 -->` 或 `<!-- sheet "Q3" -->` 开头 |
| 标题、列表 | `#` 和 `##`；`-` 和 `1.` |
| 表格 | 带表头行的 Markdown；单元格合并或超过 30 列或 300 行时，使用带 `colspan` 和 `rowspan` 的 HTML `<table>` |
| 数字 | 与原文印刷完全一致 |
| 页眉和页脚 | `<!-- header: ... -->` 和 `<!-- footer: ... -->`；页码会被省略 |
| 脚注 | 位于所在页的末尾 |
| 文本框、侧边栏 | 按阅读顺序排列 |
| 复选框、表单字段 | ☑ 和 ☐；`key: value` 行 |

## 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。

| 字段 | 含义 |
| - | - |
| `type` | `title`、`text`、`list`、`table`、`image`、`header`、`footer`、`page_number`、... |
| `bbox` | `[x0, y0, x1, y1]`，以页面左上角为原点、按页面比例表示 |
| `order` | 阅读顺序 |
| `content` | 该块的文本 |
| `conf` | OCR 的置信度 |

## 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](https://docs.conare.ai/zh/files.md#存储的文档)）。

* 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`：

| `reason` | 含义 |
| - | - |
| `too_small` | 图标或装饰，附带以像素为单位的 `width` 和 `height` |
| `not_raster` | 矢量图片（EMF、WMF、SVG），不会被读取 |
| `unreadable` | 图片已损坏 |
| `not_read` | OCR 未能及时读取 |
| `no_text` | OCR 未发现文本 |

## 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。


## Related topics

- [文件](https://docs.conare.ai/zh/files.md)
- [Google Cloud Storage](https://docs.conare.ai/zh/gcs.md)
- [简介](https://docs.conare.ai/zh/index.md)
- [API 概览](https://docs.conare.ai/zh/api.md)
- [命名空间](https://docs.conare.ai/zh/namespaces.md)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.