展开本页目录
开始前准备什么
- 下载独立练习包，阅读README的版本、套餐与实跑范围。
- PaddleOCR 代码 Apache-2.0，模型及依赖许可另核；需相应运行时和权重。本站未运行 VL 推理。
- 准备自己的可用模型与账户；不把示例模型占位名或地址当作已验证配置。
- 确认多级表头与缺值
- 选择自己的硬件路径
- 执行一页实际识别
- 把实际HTML表渲染出来
- 逐格对照零与空值
- 导出规范化观察
- 保存原生输出与负例
1. 确认多级表头与缺值
source.pdf 和 table-input.png 展示同一张原创表。设备跨两行，A/B 组各跨两列；温度计A组是数字0，记录仪B组数量是空值。
bash
bash
python3 verify.py
2. 选择自己的硬件路径
按官方 VL 使用文档选择 CPU、Apple Silicon 或匹配 GPU 的安装方案。记录 PaddleOCR 包和 VL-1.6 权重版本；不能把 NVIDIA Docker 命令直接用于 Mac。
3. 执行一页实际识别
上传这张表或解析 source.pdf 的单页，保存原始识别结果、区域图与参数。本包仅生成输入和人工结构参考，未运行 PaddleOCR-VL。
4. 把实际HTML表渲染出来
找到实际结果中的 HTML 表，另存为 my-table.html 并在浏览器打开。核对 rowspan/colspan，而不是只看提取的文字按顺序是否齐全。
5. 逐格对照零与空值
把两组各两个子列对应回设备行；0不能自动替换为空，未提供也不能补成0。若合并表头结构错，先保留错表再人工修正，分别标记。
6. 导出规范化观察
将实际表头跨度和三行单元格填入 actual-template.json，按原始类型保留数字与 null。脚本检查本题归属和缺值，不宣称理解任意 HTML。
bash
bash
python3 verify.py --actual my-table-observation.json7. 保存原生输出与负例
运行两条负例，确认空值/零混淆与表头跨度错误会被拒绝。截图应包含自己真实表格，官方说明图只定位步骤。
怎样确认已经完成
- 原始输入、来源和单位已保留，材料检查及两条故意错误样例均运行。
- 在真实工具保存原生输出，回读本题关键事实、缺值与来源；未运行部分仍标记未执行。
- 保存工具/模型版本和实际结果，人工修改与模型返回分开归档。
常见问题
PaddleOCR-VL 合并单元格表格识别需要哪些条件？
PaddleOCR 代码 Apache-2.0，模型及依赖许可另核；需相应运行时和权重。本站未运行 VL 推理。
PaddleOCR-VL 合并单元格表格识别的图片和检查通过代表什么？
原始输入、人工参考与实际离线材料检查均有对应文件；官方图说明操作入口。目标软件和模型未执行的部分已在步骤中注明，不能用材料检查替代真实产品运行。