排版一致性检查
用 surya 识别文档版面元素、表格位置和阅读顺序
功能与用途
它用 surya 这个文档理解模型来分析扫描件或 PDF 的版面:识别出正文、标题、小节标题、列表、表格、插图、图注、脚注、公式、页眉页脚这些元素,给出它们的位置坐标和置信度,并判断正确的阅读顺序。可以配合 OCR 把识别出的区域里的文字抽出来,也能把识别结果画成彩框图看效果。图片建议 150 DPI 以上,歪斜的先摆正。
适用场景
- 扫描件结构提取:检测扫描合同与研报中的标题、正文、表格与公式坐标,确定多栏复杂版面的正确阅读顺序。
- 版面识别质检:自动在原图上为检测出的标题、表格与插图绘制带置信度的彩色标注框,直观核验定位效果。
- 图文分块抽取:结合 OCR 工具定位指定版面块坐标,精确提取对应区域内的文字内容与图注信息。
适用人群
- 做扫描件数字化和档案整理的行政人员、要提取表格数据做分析的数据处理人员、做合同或报告结构化解析的技术人员
使用步骤
- 准备好文档的图片或 PDF,扫描件尽量 150 DPI 以上。
- 说明要识别哪些版面元素(表格、正文、标题、阅读顺序等)。
- 它会跑 surya 的版面分析,返回各元素类型、位置坐标和置信度。
- 需要看效果就让它把识别结果用彩框画在图上导出。
- 需要文字内容的话再叠加 OCR,把每个区域里的文字抽出来。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 办公
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-12
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
>
使用前准备
- 需要 Python 环境并安装 surya、pdf2image、Pillow 等依赖
- 需要 MCP 工具 office-mcp 的 analyze_document_structure 支持(文档声明依赖)
- PDF 需装 poppler 等转换依赖
依赖与权限
- 读取用户主动提供的内容