K12 教辅数字化：从扫描页到可编排题库

• ·扫描页中公式与正文混排，传统 OCR 无法区分块类型与阅读顺序
• ·定理证明、插图图注、章节标题层级需要保留，便于后续挂接知识点
• ·概率论等长段落含嵌套引用与 inline 公式，切块容易断裂语义
• ·知识框架图含流程图与多级列表，需要识别 title / text / figure 等细粒度标签

• ✓统一 scene=general 解析教辅扫描页
• ✓输出 SoMark 兼容 JSON：每块带 bbox，可在 Playground 与 Markdown 双向联动
• ✓异步解析单页 PNG / 长 PDF，经任务队列处理
• ✓对比测试表明：复杂结构文档的块级还原与 bbox 精度满足教研质检需求

1. 1

   教辅拆页

   将 PDF 按页导出 PNG，或使用已有扫描图批次上传

2. 2

   文档解析

   调用 /api/v1/parse/async，scene=general，output_formats=markdown,json

3. 3

   块级质检

   通过 bbox 叠加核对公式、图注、标题层级是否正确

4. 4

   入库编排

   JSON blocks 写入题库/CMS，Markdown 供 LLM 摘要或讲题

以下样张均已生成预处理 JSON，Playground 点击即可展示 bbox 与 Markdown，无需等待 API 解析。

主样张测试 #1

几何：多边形内角和

第 9/36 页 · 多边形内角和定理三种证法、外角/对角线定义，含平面镶嵌示意图（图 2–4）

• ✓ 公式与正文混排
• ✓ 插图+图注
• ✓ 定理证明结构

scene=generalP9/36异步解析

Playground 体验 →

测试 #2

概率：三门问题

第 28/36 页 · 生日悖论、轮盘赌、Monty Hall 三门问题及论坛式跟帖讨论（含算式 2/3×1/2）

• ✓ 长段落论述
• ✓ 嵌套引用块
• ✓ 公式 inline

scene=generalP28/36异步解析

Playground 体验 →

测试 #3

全等三角形知识框架

第 14/36 页 · 全等形流程图、SAS/ASA 等判定定理列表，第十二章「轴对称」知识框架图

• ✓ 知识框架图
• ✓ 层级列表
• ✓ 章节标题

scene=generalP14/36异步解析

Playground 体验 →

• 公式与正文混排块分离（几何页 P9/36）
• Monty Hall 等概率长论述 + inline 算式（P28/36）
• 全等三角形知识框架图 + SAS/ASA 列表（P14/36）
• 插图 + 图注 figure 块，title_level 标题层级

curl -X POST https://www.docparse4ai.com/api/v1/parse/async \
  -F "file=@your-document.pdf" \
  -F "api_key=sk-your-key" \
  -F "scene=general" \
  -F "output_formats=markdown" \
  -F "output_formats=json"