LlamaIndex 如何处理 PDF、表格等复杂格式文档的解析？

1. LlamaParse 文档解析服务

LlamaParse 是 LlamaIndex 提供的商业化文档解析服务，采用视觉语言模型（VLM）进行智能文档理解。与传统基于坐标的 OCR 不同，LlamaParse 将文档解析视为语义推理问题，能够理解文档层次结构和上下文。

2. 核心解析能力

• 布局感知解析：理解页面结构，保持多栏文本、页眉页脚、嵌套章节的正确阅读顺序。
• 表格提取：可靠检测并重建复杂表格，包括合并单元格和多层表头，输出为 Markdown 或 JSON 格式。
• 图表理解：将图表和图形转换为结构化数据，供下游管道使用。
• 手写文字识别：解析潦草的手写内容，提取结构并使其可用于 AI 工作流。
• 多模态支持：支持 130 多种文件格式，包括嵌入图片、复杂布局、多页表格等。

3. 输出格式

LlamaParse 支持多种输出格式：

• Markdown：保留文档结构的清洁文本，表格以 Markdown 表格形式输出。
• JSON：结构化数据提取，包含元素级元数据（页码、元素类型、坐标），支持审计追溯。
• HTML：适用于需要网页格式输出的场景。

4. 解析层级

LlamaParse 提供不同层级的解析服务：

• Fast 层级：基于规则的提取，适用于简单纯文本 PDF，成本最低。
• Standard 层级：布局检测 + OCR，适用于半结构化文档。
• Agentic 层级：使用视觉语言模型进行最高质量的解析，适用于复杂布局、图表、表格，准确率最高。

5. LiteParse 本地解析器

LlamaIndex 同时提供开源的 LiteParse 本地解析器，支持在本地快速处理 PDF、Office 文档和图片，无需云端服务或 LLM Token，适用于对数据隐私要求较高的场景。