嗨，我是 Sylvain，在 Parseur 负责软件开发。 我们刚刚发布了至今为止最大的新功能：一个全新系统，用于可视化解析 PDF 文件。
新功能：可视化提取 PDF 数据
通过 OCR 解析 PDF 文档一直是我们功能投票页面上呼声最高的请求之一。
更高复杂文档的处理能力
过去，我们会将 PDF 文档转换为纯文本，尽量保留页面的原始布局。 这种方法对于结构简单的文档效果不错（因此我们会继续保留文本引擎与新引擎并行使用）。
但这让我们的传统基于文本的引擎，在提取结构复杂 PDF 文档数据时变得十分困难。
为此，我们开发了一套全新的解析引擎，即 OCR（光学字符识别）。 OCR 模板编辑器允许您通过在需要提取的文本区域绘制框，快速创建模板。 您还可以设置标签，作为文档中的锚点，帮助引擎精准定位页面中的字段。
更多详细操作指南请参阅我们支持页面：创建您的第一个 OCR 模板。
可选字段支持终于到来！
新引擎允许您直接定义可选字段，并且对版面细微变动更为适应。 您也可以更快速构建模板，更灵活地调整模板，无需从头开始，每个模板可以绑定多个样本文档。这样部分文档中出现的特定字段也能被有效提取。
完全向后兼容
所有现有功能，如表格、元数据、后处理和静态字段，都可以与新引擎无缝协作。 输出数据格式和 webhook 保持一致，无需做任何改动。
该新引擎可与现有引擎并行使用，您甚至可以在同一邮箱中混合搭配文本与 OCR 模板，灵活获取最佳效果。
如果您的邮箱内同时存在基于文本和基于 OCR 的模板，将优先匹配提取字段最多的模板。
按页计费
现在，每成功解析一页文档，将计入一个积分。 而对于非分页文档（如长邮件或电子表格），只要成功处理，无论内容多少，都只计一个积分，计费方式与之前保持一致。
下一步：还有哪些新变化？
在测试阶段结束并新 OCR 引擎向所有用户开放后，我们计划继续扩展其支持范围，覆盖所有 HTML 文档类型，包括邮件和网页内容。
公共上线进展快报
2022年4月
- 为表格字段增加了自定义页眉和页脚边距设置
- 增加了按照每 X 页拆分 PDF 的功能
- 新增表格字段合并行选项
- 模板编辑器与调试器中提升了字段级错误提示
- 提升了解析引擎准确率
- 优化了模板编辑器的用户体验
- 修复了我们的先行用户反馈的诸多问题
2022年5月
- 邀请更多用户加入 Beta 测试计划
- 支持模板样本管理（可添加描述、移除样本）
- 模板编辑器新增可选字段高亮，标签与相关字段联动显示
- 若 PDF 文件有编码文本层，将优先使用该层内容而非 OCR，进一步提升提取准确率
- Beta 测试计划入口上线至账户页面，用户可自主申请加入
- 修复了客户反馈问题
2022年6月
- 距离全面上线仅一步之遥，不少客户已在日常使用新引擎处理他们的 PDF 文件
- 持续邀请更多用户加入 Beta 计划
- 增强了行检测和多行字段提取能力
- 显著提升了表格行与单元格检测精度
- 新增多份帮助文档：创建 OCR 模板、通过标签定位字段、提取 PDF 表格数据
- 再次修复了大家反馈的 Bug（感谢所有参与测试的用户！）
2022年7月：全面上线 🎉
几个月的开发以及数周的测试之后，OCR 引擎终于正式上线！这标志着 Parseur 升级为第 4 个主要版本，也是我们迄今为止最大型的功能更新。
- 所有用户现已可直接使用 OCR 解析引擎
- 持续修复 Bug，并通过多项易用性优化全面提升用户体验
- 发布 13 分钟详细教程视频，说明如何利用 OCR 引擎高效从 PDF 提取文本：
最后更新于
