PDF（数字文本）
展示正文、标题层级与页码的提取和结构恢复方式。
格式支持
按能力定位展示来源格式
不同来源格式的结构化难度不同。以下按重点能力、基础能力和扩展能力说明各格式当前的展示定位。
DOCX
展示标题、列表和表格的结构化处理方式。
网页正文
展示正文提取、噪声清理与来源保留方式。
Markdown
展示结构检查、层级校验与元数据补全方式。
TXT
展示编码识别与段落清理方式。
扫描件 / 图片
需要 OCR，结果质量会受到图片清晰度、版式和文字质量影响。
能力定位反映当前展示重点，具体处理范围和质量要求以双方确认的合作方案为准。