跨页长表格解析问题

[darvsum]

Description of the bug | 错误描述

当前跨页解析结果生成了多个表格，跨页的生成的表格没有表头数据。
希望跨页表格能生成一个表格或者可以生成多个表格，但是每个表格要有表头。

How to reproduce the bug | 如何复现

上传有跨页表格的文档

Operating system | 操作系统

Linux

Python version | Python 版本

3.10

Software version | 软件版本 (magic-pdf --version)

0.10.x

Device mode | 设备模式

cuda

[darvsum]

这是minerU生成的表格内容
第一页

财务指标	2014年度/2014年12月 31日	2013年度/ 2013年12月31日	2012年度/ 2012年12月31日
流动比率	0.90	0.98	1. 36
速动比率	0.56	0.67	0.91
资产负债率 (母公司)	62.26%	64.98%	55.97%
应收账款周转率 (次/年)	8.52	9.4	7.57

第二页

存货周转率 (次/年)		4.88	5.15	4. 46
息税折旧摊销前利润 (万元) 利息保障倍数		28,126.39 5.34	24,490.55 6.65	18,605.27
每股净资产 （元/股)		2.66	2.36	10. 47 2.03
每股经营活动现金净流量（元/ 股）		0.42	0.72	0.18
每股净现金流量 (元/股)		0.10	-0.07	-0. 06

�

[rockeodear]

我加了个手动处理的逻辑，判断相邻表格，如果表格间没有换行符之外的其他符号，且表格的最大列数一致，则认为这两个表格应该合并。
如果可以的话再加上model.json里边，判断两个表格不在同一页再合并。
不过，最好还是希望框架层面可以解决这个问题

[hyp530]

我加了个手动处理的逻辑，判断相邻表格，如果表格间没有换行符之外的其他符号，且表格的最大列数一致，则认为这两个表格应该合并。 如果可以的话再加上model.json里边，判断两个表格不在同一页再合并。 不过，最好还是希望框架层面可以解决这个问题

可否咨询一下，如何添加手动处理的逻辑？

[rockeodear]

我加了个手动处理的逻辑，判断相邻表格，如果表格间没有换行符之外的其他符号，且表格的最大列数一致，则认为这两个表格应该合并。 如果可以的话再加上model.json里边，判断两个表格不在同一页再合并。 不过，最好还是希望框架层面可以解决这个问题

可否咨询一下，如何添加手动处理的逻辑？

拿到解析结果之后：

1. 正则检索markdown中所有table标签；
2. 如果两个table之间没有除了换行、空格之外的其他符号，且table的最大列数一致
3. 且content.json里边的这两个表格不在同一页，就认为是同一个表格，将第二个表格拼接到一起

[DAAworld]

我加了个手动处理的逻辑，判断相邻表格，如果表格间没有换行符之外的其他符号，且表格的最大列数一致，则认为这两个表格应该合并。 如果可以的话再加上model.json里边，判断两个表格不在同一页再合并。 不过，最好还是希望框架层面可以解决这个问题

可否咨询一下，如何添加手动处理的逻辑？

拿到解析结果之后：

1. 正则检索markdown中所有table标签；
2. 如果两个table之间没有除了换行、空格之外的其他符号，且table的最大列数一致
3. 且content.json里边的这两个表格不在同一页，就认为是同一个表格，将第二个表格拼接到一起

ragflow的文件解析能合并跨页表格