Upstage文档解析API，支持PDF/图片/Office文档转结构化Markdown/HTML，精准保留表格、图表、公式等复杂版式，适合文档数字化与内容提取场景。
说明：
## 核心功能与用法
Upstage Document Parse 是一款面向复杂文档结构化的专业API服务，专注于将PDF、图片及Office文档（DOCX/PPTX/XLSX/HWP）转换为保留原始版式的结构化输出（Markdown/HTML）。其核心能力在于识别并还原表格、图片、图表、公式、多级标题等复杂版式元素，并附带精确的边界框坐标，支持下游的版式分析或可视化重渲染。
**典型调用场景**：
– 用户要求”将PDF转为Markdown”、”保留表格和布局提取内容”、”?? ?? ????”等明确指向结构化文档转换的需求
– 文档包含复杂表格、多栏排版、图文混排等需要版式感知的处理任务
**使用模式**：
– **同步模式**：≤100页、≤50MB、预期5分钟内完成，直接返回结果
– **异步模式**：支持至1000页，10页/批次处理，适用于大文档或批量任务
**关键参数建议**：
– `mode=enhanced`：复杂表格/图表/图片场景
– `ocr=force`：扫描版PDF或图片强制启用OCR
– `merge_multipage_tables=true`：跨页表格自动合并（增强模式限20页内）
## 显著优点
1. **版式保真度高**：区别于纯文本OCR，能还原标题层级、表格结构、图片位置等视觉语义
2. **多格式统一支持**：单一API覆盖PDF、Office、图片等主流文档类型
3. **坐标级可定位**：每个元素附带归一化边界框，支持原文档位置回溯
4. **输出格式灵活**：同步支持HTML、Markdown、纯文本，适应不同下游处理流程
## 潜在局限与风险
– **非字段级提取**：不适合发票金额、合同条款等特定字段的精准抽取（此类需求应使用 upstage-information-extraction）
– **纯坐标文本场景不适用**：仅需文字坐标而无版式需求的任务，应使用 upstage-ocr 以降低成本
– **同步超时限制**：5分钟服务端超时，大文档需切换异步模式增加实现复杂度
– **增强模式页数限制**：跨页表格合并仅限20页，超长表格可能断裂
## 适合人群
– 需要将扫描档案、财报、论文、手册等转为可编辑结构化内容的开发者
– 构建文档问答（RAG）、知识库入库、版式分析等需要保留文档结构的AI应用
– 处理韩文文档（HWP/HWPX）的企业用户，Upstage对此有原生支持优势
## 常规风险提示
– API密钥需通过环境变量管理，避免硬编码泄露
– 异步任务结果保留期有限，需及时轮询获取
– 大文件建议优先评估异步模式，避免同步超时导致的失败重试
会员专属
