文档解析服务是构建知识库的基础数据来源，直接影响后续问答系统的准确性。尤其在处理大规模文档时，解析质量的高低几乎与知识库产品的交付成本成正比。
在实际知识库交付过程中，常常遇到表格错位、公式显示异常、标题层级混乱、图文结构丢失等问题。如果在源头未能妥善处理这些隐患，后续的分块与检索召回就会在错误数据上层层叠加，最终影响整体效果。
对于知识库建设团队而言，选择一种相对最优的文档解析服务，以提升数据源质量并降低数据治理成本，已成为当务之急。
测试标准
综合行业反馈，我们重点评测了 MinerU、TextIn 和 MonkeyOCR 这三款主流产品。需要说明的是，PaddleOCR 的在线体验无法生成 Markdown 文件，而 Dolphin 仅支持上传文件、无法预览 Markdown，因此这两款产品未纳入本次横向评测。
考虑到本地部署耗时且变量较多，本次评测统一使用各产品的官方在线体验地址，离线或开源版本不参与对比。模型方面优先采用 VLM 模型，以确保更佳的识别效果。评测产物以 Markdown 文件为标准——对于知识库而言，Markdown 格式兼容性最佳。
值得注意的是，文档转换为 Markdown 必然会损失部分信息。毕竟 Markdown 是一种轻量级标记语言，擅长处理文本内容，但无法完整还原复杂的排版与样式。
此外，由于评测文档样本有限，本次测评结果仅反映所选文档在解析服务默认参数下的表现，并不代表服务厂商在其他文档上的处理能力。
测试方案
考虑到文档格式的多样性，我们选取 PDF 和 Word 这两种最常见格式作为测试对象。在文档结构层面，重点关注表格、图文混排、分页、目录识别及复杂版式的还原效果，核心指标为 Markdown 文档的还原度。
测试数据集
依据上述评测标准，我们精心挑选了以下四份代表性文档：
- 某知名品牌电风扇使用说明书（PDF）——该文档图文混排复杂，重点考察文档结构还原及图片提取能力。
- 邮件模板（DOC）——文档包含表格内嵌表格及删除线等特殊格式，重点考察 Word 文档表格的还原能力。
- 跨页表格（PDF）——全英文文档，关注目录级别识别效果及跨页表格的识别能力。
- 煤矿安全规程2022版（PDF）——图文混排，包含表格、文字和公式，重点关注表格内公式符号的还原程度。
测试过程
测试案例一：某品牌电风扇使用说明书 PDF 文档
客观而言，该文档结构相当复杂。
MinerU 实测表现
整体文本还原度尚可，但无序列表的层级关系未能体现，被合并为一段，丢失了列表排版。
• 左手按高度调节按钮,固定解除,再用右手捏着升降杆向上升或向下降并根据喜好来调节高度。(如图2)- 按到最低时,升降杆可以固定。其它位置都不可固定。
MonkeyOCR 实测表现
左手按高度调节按钮, 固定解除, 再用右手捏着升降杆向上升或向下降并根据喜好来调节高度。 (如图2)
● 按到最低时,升降杆可以固定。其它位置都不可固定。
层级关系与图片均已丢失，整体表现较差。
TextIn 实测表现
无序列表的层级关系完美还原，图片也原样呈现，与原文一致。
·左手按高度调节按钮，固定解除，再用右手捏着升降杆向上升或向下降并根据喜好来调节高度。（如图2）
·按到最低时，升降杆可以固定。其它位置都不可固定。
从文档结构还原效果来看，TextIn 表现最佳。
测试案例二：邮件模板 DOC
为何选择该文件？因其格式特殊——表格相互嵌套且含有删除线格式，本地使用 LibreOffice 转换为 PDF 时直接崩溃。
MinerU 实测表现
由于表格跨页，第一页的表格 MinerU 识别效果较好，但第二页的列完全对不上。
MonkeyOCR 实测表现
MonkeyOCR 在线体验地址不支持 doc 文件，故无法参与对比。
TextIn 实测表现
部分单元格出现错误合并，但整体还原度较高，表格结构信息基本维持。除去 MonkeyOCR 不支持 doc 文件外，TextIn 的表格还原效果相对更优。
测试案例三：跨页表格 PDF
MinerU 实测表现
原本预期为连续表格，但实际识别结果被中间标题分割，不符合预期。
MonkeyOCR 实测表现
正确识别出跨页表格，但未进行合并操作。
TextIn 实测表现
测试结果令人惊喜：完美合并了跨页表格。
测试案例四：煤矿安全规程2022版 PDF
MinerU 实测表现
表格识别效果较差，最后两列直接丢失；表格标题被识别至表格下方，整体效果不尽如人意。
MonkeyOCR 实测表现
识别基本准确，“说明”列的合并单元格识别有误，但整体效果尚可。
TextIn 实测表现
识别准确，完美还原。
测试结论
本次选取的测试文档结构均偏复杂，测试目的明确围绕“知识库问答系统”所需的文档解析服务展开。由于样本文档与参数配置的局限性，本次测试结果可能存在一定随机性。但从整体表现来看，TextIn 在线解析服务在表格识别、文档结构还原、跨页表格处理等场景下表现突出。从更宏观的角度看，文档排版、复杂图表、表格单元格合并等仍是当前文档解析的难点，而文档分级目录的识别相对简单。对于重视文档解析质量的企业而言，在搭建知识库时，TextIn 在线文档解析服务当下是一个相当不错的选择。