PDF 压缩¶
在文档解析前压缩 Catalog 中的 PDF,再将输出交给后续节点。适合包含较多页面图片的扫描件或图册;压缩后的内容仍需检查可读性。
配置节点¶
在工作流节点面板的智能处理中选择PDF 压缩,直接选择 Catalog 文件,或绑定读取 MOI 卷的来源输出。
配置 |
说明 |
|---|---|
文件 |
选择单个或多个 Catalog 文件;上游来源可绑定到 |
清晰度 |
|
目标体积 |
单位为字节,默认 |
输入使用来源、多个文件 ID 或单个文件 ID 中的一种方式。这里传入文件引用,不是已经解析好的文档正文。
连接后续解析¶
读取 MOI 卷 → PDF 压缩 → 文档解析 → 分段
选择一份扫描 PDF,将读取节点的
sources绑定到 PDF 压缩的来源输入。先保持高清晰度,目标体积留为
0。将压缩节点输出的
sources绑定到文档解析的来源输入。运行后检查压缩台账、文件体积和预览,再检查解析后的正文、表格和页码。
下游使用压缩节点返回的来源引用。不要继续绑定最初读取节点的文件,否则后续解析仍会读取原输入。
检查结果¶
输出 |
用途 |
|---|---|
|
后续解析所使用的文件来源。 |
|
逐文件压缩台账,可核对原文件与返回文件、原始和处理后体积、压缩策略及是否达到目标。 |
|
本次处理的汇总信息。 |
非 PDF 文件和无法变小的文件会原样传递,不应仅凭节点成功就认定每个文件都已压缩。设置目标体积后,还应检查台账中的 target_met;未指定目标时,该值不表示压缩失败。
压缩可能重编码页内图片。需要保留细节用于 OCR 或信息提取时,先用一份典型文件核对效果,再处理其余文件。
最后更新于