01
版式
结构能挺过解析
合并单元格仍然是合并的。多层表头保住层级。多栏页面按正确顺序读出，夹在两页排版稿之间的扫描页也能处理，不会连累文档的其余部分。
- 合并与嵌套表格是被重建的，不是被压成文本
- 多栏和混排页面按逻辑顺序读出
- 同一个文件里，扫描页和原生数字页一起被识别
平台 · 文档智能
解析到单元格，追溯到那一页
最要紧的文档往往是最难对付的那些：三百页的申报材料、附件层层嵌套的合同、一半是表格一半是扫描件的质量报告。DataFact 保留它们的结构，并记住每一块来自哪里。
到底存了什么
一页变成一块块带标签的区域
读一份文档，和把它压平不是一回事。DataFact 会记下页面上每一块区域是什么、装着什么、位置在哪——于是这份记忆保留了人能认出来的形状。
这些区域正是智能体之后要检索的东西，也是读者想自己核对来源时会被带到的地方。
正文y 118–186
表格 · 合并单元格
y 204–288
| 档位 | Q1 | Q2 |
| 4.2% | 4.8% |
图y 306–392
为大家都绕着走的那类文档而做
这里的每一项，都是因为一份真实语料把更简单的做法弄垮了才有的。
02
片段
三种类型，各归各位
正文、表格和图被存成不同类型的片段。表格保留网格，因此可以被查询、也能按表格渲染；图保留图像，因此能出现在答案里，而不是变成一个文件名。
- 正文片段带关键词和生成的问题，供检索使用
- 表格片段保留行列结构
- 图片段把图像和它的图注放在一起
03
坐标
每个片段都知道自己住在哪
每个片段都记下它取自哪一页、以及那一页上的哪块区域。这正是引用可点击的原因：答案说第 12 页，阅读器就打开第 12 页，并把那块区域精确框出来。
- 每个片段都存页码和区域
- 引用会在标记的区域处打开原始文件
- 表格和图同样适用，不只是正文
04
复核
不用重新上传就能修
面对困难语料，第一遍解析从来不会完美。片段可以就地阅读、编辑、拆分、合并、停用或重新索引，所以一张表出问题，不意味着要把四百页的材料重新灌一遍。
- 浏览一份文档产生的每个片段，附页面预览
- 逐片段编辑内容、关键词和问题
- 停用某个片段，把它移出检索但不删除
- 换一种策略重新解析并对比
图会跟着文字一起回来
当一份文档里有用的部分是一张图时，给一个文件链接不算答案。DataFact 把图本身返回，和引用它的那句话放在一起，并带上它从哪一页裁下来。
正文
论断出自的那一段或那个单元格，原文引用，附页码。
表格
行本身，按表格渲染，合并单元格保持原样——不是截图。
图
图像内嵌显示，并在原始文件里标出它在页面上占据的区域。