OpenRouter 发布教程：用 LLM 从 PDF 中抽取表格
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载核心做法与输出形态
教程给出的路径是：把 PDF 当作文件内容部件发给具备文件读取能力的模型，同时提供一份严格 JSON schema，用来描述表格中一行的结构。模型据此返回带类型的行，而不是自由文本。数量以整数返回，写成 (3,878) 的亏损会变成 -3878，跨两页的表格会合并成一个列表。字段描述承担清洗职责，例如处理括号负数与脚注标记。教程强调 strict 设为 true 时，支持严格模式的服务商才会按 schema 约束输出。
测试结果与失败来源
验证用了五份由已知数据生成的 PDF，便于逐格核对：一份发票、一份季度报告、一份跨页的 58 行发货日志、一份扫描采购订单，以及一份带合并单元格的粗糙扫描件。凡是能直接读取 PDF 的模型，在 644 个单元格上全部答对，数字文件与扫描件都在覆盖范围内。出错的情况并非来自模型读表能力，而是 PDF 抵达模型所经过的路径，其中两次还返回了看似正常的响应、没有抛出错误，因此需要额外校验。
需要主动拦截的异常
教程列出两类要显式拒绝的返回。其一是空结果：不能读 PDF 的模型处理扫描件需改用 mistral-ocr 解析器，而扫描件走免费的 cloudflare-ai 解析器会得到零行且不报错，所以空结果必须当作失败处理。其二是截断：长表格可能撞上输出 token 上限，凡 finish_reason 为 length 的响应都应拒绝。教程同时说明，最终效果取决于 PDF 是否带文本层、扫描质量、解析器路径与所选模型。
运行前提
示例需要 OpenRouter 账户与额度，API key 存放在 OPENROUTER_API_KEY 环境变量中，教程所用模型为付费。环境要求 Python 3.10 及以上并安装 requests，TypeScript 版本另需 Node.js 18 及以上。输入是一份含表格的 PDF，数字导出或扫描均可。
为什么值得看
给出可复用的 PDF 表格抽取流程与失败模式清单，对做文档解析和数据入库的团队有直接参考价值。
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。