docling-project / docling-project/docling

The conversion from PDF to Markdown resulted in poor parsing for some tables.

Open
#2,028 10 comments 0 reactions 0 assignees View on GitHub
bug
Dominant language
Python
Stars
66.4k
Forks
4.8k
Avg merge
2d 21h
Merged PRs (30d)
84

Description

### Bug

[last_page.pdf](https://github.com/user-attachments/files/21541423/last_page.pdf)

### Parsing test code
```
def main():
import os
from pathlib import Path

from docling.datamodel.base_models import InputFormat
from docling.datamodel.pipeline_options import PdfPipelineOptions
from docling.document_converter import DocumentConverter, PdfFormatOption
from docling_core.types.doc.base import ImageRefMode # 新增: 控制圖片引入模式

# 創建輸出目錄 (對應 --output datasets/)
output_dir = "datasets/"
os.makedirs(output_dir, exist_ok=True)

# 設定 pipeline options - 產生圖片檔案 (頁面與圖像)
pipeline_options = PdfPipelineOptions(
generate_picture_images=True,
# generate_page_images=True,
# layout_options={"model_spec": DOCLING_LAYOUT_V2},
)

converter = DocumentConverter(
format_options={
InputFormat.PDF: PdfFormatOption(pipeline_options=pipeline_options)
}
)
import time

file_name = "last_page"
start_time = time.time()
result = converter.convert(f"{file_name}.pdf")
doc = result.document

# 產生 Markdown 並將圖片匯出為檔案參照 (reference)
markdown_path = os.path.join(output_dir, f"{file_name}.md")
doc.save_as_markdown(
markdown_path,
image_mode=ImageRefMode.REFERENCED, # 等同 --image-export-mode reference
artifacts_dir=Path(f"{output_dir}/images"),
)
end_time = time.time()
print(f"處理完成,耗時 {end_time - start_time} 秒")

if __name__ == "__main__":
main()

```

### Docling version

2.43.0

### Python version

3.12.3

### Parsing result
```## The all-new Tiguan 規格表 - MY2025

## 車型

主被動安全輔助系統

科技

/

全尺寸雙前座

SRS

雙前座

SRS

側氣囊

駕駛艙中央

SRS

雙後座

SRS

雙側面

氣囊

側氣囊

SRS

氣簾

ABS

防鎖死煞車系統

ASR

循跡防滑控制系統

EBD

電⼦式煞車⼒道分配系統

BAS

EDL

煞車⼒道輔助系統

電⼦防滑差速器

ESC

電⼦行車動態穩定系統

XDS

主動式電⼦防滑系統

MCB

⼆次碰撞預煞系統

4MOTION Active Control

主動式智慧型四輪驅動系統

DCC Pro

進階主動式底盤控制系統

Vehicle Dynamics Manager

車輛動態管理系統

陡坡緩降系統

Keyless Access

免鑰匙晶片控制系統

晶片防盜裝置

( Immobilizer )

Anti-theft

防盜警示系統

Start / Stop

閉系統

引擎自動

EPB

/gid04111

Auto Hold

(

電⼦手煞車

Easy Open / Close

電動尾門

ISOFIX

車輛止功能裝置

(

感應式自動開

兒童安全座椅裝置

TPMS

直接式胎壓偵測系統

雙前座自動緊縮安全帶

安全帶未繫警示

駕駛模式選擇

* Volkswagen

| 280 eTSI Elegance Premium | 330 TSI Elegance Premium | 430 TSI R-Line Performance |
|-----------------------------|----------------------------|------------------------------|
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| - | ● | ● |
| ● | ● | ● |
| - | ● | ● |
| - | ● | ● |
| - | ● | ● |
| - | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |
| ● | ● | ● |

● :標準配備 ○ :選購配備 -:無此配備

原廠保留針對上述配備修改之權利;配備若有不符,以實車為準。 ( 適⽤ 2024 / 50 週以後生產 )

1. App-Connect

多媒體鏡射功能僅限部分相容手機使⽤。

2. Front Assist 車前碰撞預警系統 ( 含 AEB 自動輔助緊急煞車功能 ) / ACC 主動式固定車距巡航系統 / 主動乘員防護系統,其剎車功能有效作⽤之情形,限於:其他車輛位於前雷達正前方適當距離且環境狀況良好令雷達得以順利運作時。請注意,在繁忙行車、彎道、⼭路、隧道之 ⼀般道路、行車速度緩慢、與前方車距過短,或是天候易對雷達造成干擾 ( 如下雨、陽光過強 ) 等狀況下,該系統將不會發生作⽤。前方行人監控系統無法偵測到止或嬌小 ( 如孩童 ) 之行人。請注意,在許多狀況下,系統將不會發生作⽤,而容易發生意外。詳細無法發生狀況 之情形,請參考前方行人監控系統功能之說明網頁。

3. 主動式車道修正輔助系統 / 車道維持及偏移警示系統 / Emergency Assist 緊急待援輔助系統 / Travel Assist ,僅限於道路雙邊標線清晰,且天候、光線及環境良好的情況下,使多功能攝影機及前方雷達得以作動。請注意:在繁忙行車、⼭路、彎道及隧道等光線不佳或彎曲角度過大的 道路時,或天候及光線對多功能攝影機或前方雷達造成干擾時,該系統可能無法作動。
4. 道路虛擬實境顯示功能偵測周圍車輛及路況,可能受速度、光線、天候等周圍因素影響,其顯示可能無法完全符合真實狀況。
5. 車側盲點警示系統 / RTA 後方橫向車流警示系統 ( 含煞車輔助功能 ) / Exit Warning 離車安全警示系統 / 主動乘員防護系統及 Park Assist Plus 進階自動停車輔助系統,僅限於周圍或後方車流位於雷達可偵測範圍內,且相對車速適當的情形下,方可作動。若發生天候、其他環境因素 干擾雷達作動或車速過快情況下,該系統可能無法作動。

請注意:本車⾮完全自動駕駛,以上系統均僅係輔助功能,故駕駛行車時應隨時注意道路及車輛周邊狀況,以避免意外發生,不能因受該系統輔助而減低其注意⼒。敬請詳閱車主手冊及系統介紹網頁,以確實瞭解該系統之詳細使⽤方式、限制及規範。

)

/

延遲關閉

氣囊

/gid04111

)

## 280 eTSI Elegance

*

*

*

*

*


```

Contributor guide

Open the contributing guide

Assessment

This issue has not been assessed yet.

Get new issues in your inbox

A short digest of beginner-friendly GitHub issues.