AnyParse

它要解决的问题

把一份 PDF、扫描件或图片里的内容变成可用的文本，通常有两道坎：一是识别出来的文字顺序和原文档对不上，表格、双栏、图文混排时尤其明显；二是拍歪、旋转的页面会让整篇识别结果出现大片错字。很多流水线为了省事，直接把整页丢给通用 OCR，拿到的是一串没有结构、也说不清来自哪个区域的文本。

AnyParse 的思路是：不要自己写解析逻辑，把这件事交给专门的服务，并把版面信息一并取回来。

技能如何工作

技能内部只有一个解析入口：scripts/api.py。它负责读取本地文件，把请求发到你事先配置好的 AnyParse API，然后把响应整理成可用的结果，不会在本地做任何文档解析。

核心能力

• 多格式输入：支持常见的文档格式与图片格式，扫描件和照片都走同一套接口。
• 版面分析：返回每个页面中各区域的布局信息，包含位置和解析结果，因此你能知道某段文字原本在页面的哪个位置，而不是只有一句拼接好的全文。
• 方向分类：--use_doc_cls 让服务自动判断横版还是竖版，识别前先把方向纠正过来。
• 文档矫正：--use_doc_rectifier 处理拍摄歪斜的页面。
• 可选开关：--no_doc_layout 可以在你只想要纯文本时关掉版面分析。
• 结构化输出：data.pages[].layout[] 给出分区域结果，data.content 给出整篇合并文本，data.metadata 是文件元信息。

关键步骤

1. 用 --file 指定本地文件路径，这是唯一必填项。
2. 按需叠加 --use_doc_cls、--use_doc_rectifier，或用 --no_doc_layout 关闭版面分析。
3. 检查响应中的 code，2000 表示成功；失败时把 msg 原样展示出来并停止，不要自己换办法重试。
4. 依据 data.pages[].layout[] 重建阅读顺序，或直接使用 data.content。

适用边界与注意点

适用场景

• 需要保留版面结构做后续处理，例如按区域入库、做版面级抽取。
• 扫描件、翻拍照片需要先纠正方向和倾斜再识别。
• 需要区分正文、标题、表格所在位置。

必须注意的限制

• 只能走 AnyParse API：所有解析都通过 scripts/api.py 完成，技能本身不解析文档。
• 不要自行解析或提供替代方案：API 失败时，唯一正确的做法是展示错误信息并停止，而不是"我试着分析一下"。
• 不使用兜底手段：不存在"识别不出就猜"这条路。
• 依赖前置服务：必须先部署好 AnyParse 服务，并配置 anyparse_api_url 与 anyparse_api_key，两者可以从 scripts/config.json 或环境变量读取。
• 失败时的排查顺序：先确认配置文件或环境变量里 URL 与 key 是否齐全，再检查文件路径是否正确，最后看 API 返回的状态码；如果缺少依赖，需要先安装 scripts/requirements.txt。
• 数据路径：文档内容会被发送到你配置的 API 地址，这一点在选部署方式时要一并考虑。

一句话概括：这是一个把"取回带版面结构的识别结果"这件事收敛到单一 API 调用上的技能，强约束、少分支，适合已经部署了 AnyParse 服务的工程环境。