表格中每个单元格内容的详细结构化

[pighead1016]

表格输出仅有表格整体的大小位置，以及每个单元格中的内容。具体某一个单元格中文字的位置，行信息如何结构化

[dosubot[bot]]

Hi @pighead1016! I'm Dosu and I’m helping the MinerU team.

MinerU 的表格内容详细结构化信息主要保存在 middle.json 文件中，这里不仅有表格整体和单元格的 bbox（位置），还包含每个单元格内的行（line）和片段（span）结构，每一级都带有 bbox 和内容。你可以通过 middle.json 的多层嵌套结构，精确获取到某个单元格内每一行、每一段文字的坐标和内容，适合做二次开发或精细化定位需求。middle.json 的结构大致如下：

{
  "tables": [
    {
      "type": "table",
      "bbox": [x0, y0, x1, y1],
      "blocks": [
        {
          "type": "table_body",
          "bbox": [...],
          "lines": [
            {
              "bbox": [...],
              "spans": [
                {
                  "bbox": [...],
                  "content": "单元格内的文字",
                  "type": "text"
                }
              ]
            }
          ]
        }
      ]
    }
  ]
}

每一级的 bbox 都是相对于页面的坐标，spans 里就是最细粒度的文本片段及其位置。你可以根据 table → blocks → lines → spans 这条路径，获取到单元格内每一行、每一段文字的详细结构和位置信息。详细结构定义和示例可以参考官方文档说明 output_files.md。

如果需要更细致的结构化能力，可以在配置文件中通过 table_sub_model_name 选择不同的子模型。近期的 RapidTable 升级也增强了结构化输出（如 logic_points），但最细粒度的内容和定位信息还是以 middle.json 为准，适合你需要的单元格内详细结构化场景。详细说明和结构示例

To reply, just mention @dosu.

---

Share context across your team and agents. Try Dosu.

[pighead1016]

如果是title或者list的情况下,是由content的,但是table中没有content.只有html

[pighead1016]

我生成的middle.json 中table 里的spans是这样的.没有content
"spans": [
{
"bbox": [
552,
1116,
3674,
4796
],
"score": 0.894,
"html": "

<td rowspan="10">申请 人及 共同 生活 的家 庭成 员月 收入 状况<td colspan="2">总计（元）<td colspan="2">家庭人均月收入（元）<td colspan="2"><td rowspan="4">资产 状况<td colspan="8">房产：无有_套，平方米，位于<td colspan="7">汽车（唯一经营性运输工具除外）：□无□有 （品牌及型号）<td colspan="7">现金、存款、有价证券等资产： 元<td colspan="7">其他需要说明的资产：<td colspan="7"><td colspan="7">本人承诺以上所填内容真实无误，所提交的各类材料均合法真实，且同意法 律援助机构、政府有关部门依法对本人相关信息进行核查。如果本人以欺骗或者 其他不正当手段获得法律援助，愿意依法承担相应后果和法律责任，包括但不限 于：（一）被终止法律援助；（二）支付已实施法律援助的费用；（三）被处以 三千元以下罚款。 申请人或者代理人（签名）： 年月日

姓名	关系	职业及所在单位	工资性收 入（元）	生产经营性 收入（元）	其他收 入（元）	合计 （元）
	本人
重大 支出

",
"type": "table",
"image_path": "ce47a6ff09a828844888b3907ca8688b54d0b2f1990ef450b5214a2a9ba8d9a5.jpg"
}
]

[zhongguogu]

@dosu. table_sub_model_name 选择不同的子模型。近期的 RapidTable 升级也增强了结构化输出（如 logic_points） 这个可以详细扩展下

[dosubot[bot]]

@pighead1016 感谢你的追问！关于表格子模型和结构化输出，这里做一个更详细的说明：

关于 table_sub_model_name：需要更正一下，在当前版本的 MinerU 中，表格子模型的选择实际上是自动的，并非通过用户手动配置 table_sub_model_name 来切换。MinerU 采用了一套双模型架构，流程如下 [1]：

1. 分类阶段：PaddleTableClsModel 先对检测到的表格进行分类，判断是有线表格还是无线表格
2. 识别阶段：根据分类结果自动路由到不同模型：
   • UnetTableModel（有线表格）：用于有明显边框线的表格
   • PaddleTableModel（无线表格）：用于无边框/半结构化表格
3. 方向纠正：PaddleOrientationClsModel 在识别前会先纠正图片方向

底层使用的是 slanet_plus 模型（基于 ONNX Runtime + Paddle 框架），在 2024 年 11 月的版本中实现了单表解析速度 10 倍提升，同时降低了 GPU 显存占用 [2]。

---

关于 logic_points：这是一个非常有用的结构化输出 [3]，每个 logic_point 是一个 4 元素数组 [row_start, row_end, col_start, col_end]，表示该单元格在逻辑表格网格中占据的行列位置 [4]。

表格模型的 predict() 方法现在返回四个值 [5]：

html_code, table_cell_bboxes, logic_points, elapse

logic_points 的生成过程 [6]：

1. 根据 Y 轴位置将检测到的单元格多边形划分到逻辑行
2. 从最长行中识别基准列
3. 对每个单元格，通过匹配水平宽度计算 col_start/col_end，通过匹配垂直高度计算 row_start/row_end [7]

实际用途：

• 表格重建：将物理坐标转换为逻辑结构，生成带正确 rowspan/colspan 的 HTML [8]
• 可视化调试：在检测到的单元格上标注网格坐标 [9]
• 精细化定位：结合 table_cell_bboxes（物理 bbox）和 logic_points（逻辑位置），可以同时获取每个单元格的精确物理坐标和它在表格中的逻辑行列位置

---

关于你遇到的 table span 只有 html 没有 content 的问题：这是正常的，表格类型的 span 输出的是整张表的 HTML 结构（包含所有单元格内容），而不是像 title/list 那样输出 content 字段。如果你需要获取单元格级别的详细信息，可以解析 HTML 字段，或者深入调用底层模型获取 logic_points 和 table_cell_bboxes。

⚠️ 需要注意的是，目前表格检测阈值（如 det_db_box_thresh、col_threshold 等）没有提供 YAML 配置接口，如需调整需要直接修改源码 [10]。

如果你需要了解如何在代码层面获取 logic_points 做二次开发，我可以进一步帮你查找相关代码。

To reply, just mention @dosu.

---

Docs are dead. Just use Dosu.