（4216期）Upstage Document Parse – 复杂文档一键转结构化Markdown

复杂文档一键转结构化Markdown 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。 使用说明 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"、"문서 구조 분석해줘"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 mergemultipagetables=true：跨页表格自动合并（增强模式限20页内） 显著优点 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 多格式统一支持：单一API覆盖PDF、Office、图片等主流文档类型 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 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 原始说明 Parse documents (PDF, images, DOCX, PPTX, XLSX, HWP) into layout-aware markdown/HTML with tables, figures, headings, and bounding boxes using Upstage Documen...