Doc2X 产品简介

Doc2X 是一款专为开发者设计的强大文档解析产品，能够将PDF、图片等多种格式的文档精准转换为 Markdown、LaTeX、HTML、Word等结构化或半结构化格式。

Doc2X 有以下核心优势：

• 全方位格式支持：从PDF快速转化为Word、Docx、LaTeX、HTML、Markdown多种格式，灵活满足不同场景的需求。

• 对照编辑与校对：支持在转换前对照PDF原文，快速跳转编辑与比对，确保转换结果的准确性与完整性。

• 高保真还原：无论是学术论文中的公式、表格、图片，还是企业文档中的图示与排版结构，都能在目标格式中尽可能保留原貌。

• 快速批量转换：支持处理大量PDF文件，一键批量转换，多线程加速，大幅提升工作效率。

• 多学科领域适配：适用于学术科研、教育出版、企业办公、技术文档和Web内容创建等多元应用场景。

文档一键解析

Doc2X在线体验地址：https://doc2x.noedgeai.com

Doc2X 支持解析 PDF 文件和 JPG、PNG、Webp 等多种类型的文字，同时支持 Doubao、gpt、DeepSeek、qwen 等多种主流大模型进行解析。

上传PDF文件，可以解析成md格式的结构化文本，同时支持双语对照查看。

上传图像文件，会自动解析文本和公式，同时支持对公式的二次编辑，非常方便。

知识库构建与问答

Doc2X 支持多种类型的元素解析，同时支持复杂表格解析，可搭配其它 ima、CherryStudio、Coze等其它知识库问答平台进行知识库构建和问答。

下面以 ima 为例，介绍如何构建知识库并实现问答交互。

首先在 Doc2X 解析文件，如下图所示，其可以将复杂的表格 PDF 文件解析成大语言模型能读懂的结构化格式。

解析完成后，导出为 md 格式。

在 ima 中，创建新知识库，并上传文件。

创建完文件后，就可以直接基于构建的知识库进行问答。

如果直接上传 PDF 文件，未通过 Doc2X 进行解析，模型将无法准确回答，说明经 Doc2X 解析后的复杂文件能有效提升模型的回答质量。

借助 API 接口实现文档解析

如果文件有很多，可以利用 Doc2X 的 API 实现解析，进一步简化操作。

Doc2X 开放平台：https://open.noedgeai.com

首先登陆 Doc2X 开放平台，注册并新建 APIKEY。

上传并解析文件

上传并解析文件的流程图如下：

首先通过/api/v2/parse/pdf接口上传文件。

python示例代码如下：

import requests

url = 'https://v2.doc2x.noedgeai.com/api/v2/parse/pdf'
headers = {'Authorization': 'Bearer sk-xxx'} # 替换成自己的 api 鉴权

with open('test2.pdf', 'rb') as file:
    response = requests.post(url, headers=headers, data=file)

print(response.text)

之后通过/api/v2/parse/status接口查看文件状态。

python示例代码如下：

import requests

url = 'https://v2.doc2x.noedgeai.com/api/v2/parse/status?uid=01920000-0000-0000-0000-000000000000' # uid替换为上一步获取到的uid
headers = {'Authorization': 'Bearer sk-xxx'} # 替换成自己的 api 鉴权

response = requests.get(url, headers=headers)

print(response.text)

导出解析完成的文件

导出解析完成的文件，流程图如下：

首先通过/api/v2/convert/parse接口请求导出文件。

python示例代码如下：

import requests
import json

url = "https://v2.doc2x.noedgeai.com/api/v2/convert/parse"
headers = {
    "Authorization": "Bearer sk-xxx",
    "Content-Type": "application/json",
}

data = {
    "uid": "01920000-0000-0000-0000-000000000000",
    "to": "md",
    "formula_mode": "normal",
    "filename": "my_markdown.md",
}

response = requests.post(url, headers=headers, data=json.dumps(data))

print(response.text)

之后通过/api/v2/convert/parse/result接口查看文件状态。

python示例代码如下：

import requests

url = 'https://v2.doc2x.noedgeai.com/api/v2/convert/parse/result?uid=01920000-0000-0000-0000-000000000000'
headers = {'Authorization': 'Bearer sk-xxx'}

response = requests.get(url, headers=headers)

print(response.text)

如果导出成功，可在response.text获取到文件下载链接，可进一步将其下载为压缩包形式：

import requests

response = requests.get("返回的url地址")

with open('downloaded_file.zip', 'wb') as f:
    f.write(response.content)

总结

Doc2X 提供了文档解析与翻译转换的AI全方位解决方案，除了优秀的文档解析性能之外，还能接入大模型实现文档翻译，搭配极具性价比的定价，使其在此赛道中具备独特优势。