让 Gemini 提取 PDF 表格,怎样把结果对回原页和原单元格
Gemini PDF 表格溯源应让每个提取值都能回到具体文件、物理页和表格单元格。只有一张整理后的 Excel,不足以证明金额或日期来自哪里。本文设计逐格核查表,不重复上传流程;示例是合成表格,未进行真实模型调用。
把三处引用同时对回 PDF 物理页和印刷页
先下载三页资料,盖住答案,定位 A01、A02 和 B02。查看器从第 1 页开始计数,封面却没有印刷页码。从“印刷第 1 页”直接跳到查看器第 1 页,看到的将是封面。
| 行号 | 物理页(从 1 起) | 印刷页 | 核对值 |
|---|---|---|---|
| A01 | 2 | 1 | 入库 18 件 |
| A02 | 2 | 1 | 通过 16 件 |
| B02 | 3 | 2 | 归档 18 件 |
引用请保留行号,即使打印页码相同也能分清两个计数。
先约定页码和坐标
PDF 的第几页与页面上印刷的页码可能不同。字段中分别保存 pdf_page 与 printed_page,前者从1开始数实际页面,后者按原文保留。表格编号也应限定在页内,例如 P003-T02。行列指原表位置,不是输出表格排序之后的位置。
合并单元格需要标起止范围。表头跨两行时,输出字段同时记录两层标题,不能只看最靠近值的那一格。续页表格如果重复表头,记录它属于同一逻辑表的哪一段,避免把第二页表头误当数据。
| 文件 | PDF页 | 印刷页 | 表格 | 行列 | 原文 | 提取值 | 复核 |
|---|---|---|---|---|---|---|---|
| D01 | 2 | 1 | T01 | R3C2 | 1.20万元 | 12000 CNY | 单位待确认 |
| D01 | 2 | 1 | T01 | R4C2 | — | null | 缺失而非零 |
| D01 | 3 | 2 | T01续 | R2C2 | 500元 | 500 CNY | 待人工 |
提取时要同时交出证据字段
可以要求:“逐行提取表格,保留文档编号、PDF物理页码、页内表格编号、行列位置、原始文字和规范值。看不清就标待核,不猜值。”这段是应用提示示例,不表示接口会自动保证页码准确。模型给出的定位本身也需要检查。
证据原文尽量短而完整,包含值的单位和必要表头;只引用“1.20”会漏掉万元,引用整页又不方便逐格核对。若模型能给位置坐标,可以作为辅助,但坐标系、缩放和裁切都需说明,不能把一组无法解释的数字当作可靠定位。
先核对定位,再核对语义
抽查时先打开对应物理页,找到表格和行列,再确认原文是否相同,最后判断规范值换算是否正确。这三步分别发现“指错页”“抄错字”“换错单位”。对高影响字段逐项核,不用一个总体置信分数代替。
当页码正确但行列错位,优先检查跨页表头、合并单元格和空行;当原文正确而值错误,转向金额、日期等业务规范化。每项错误保留修正前后值及原因,不能只改最终表把错误痕迹抹掉。
数量与来源都要闭合
记录原表数据行数、输出行数、未提取行数与重复行数。合并表格后按稳定记录编号连接来源,不依赖排序。结果中每个非空业务字段应有来源或明确说明由规则计算;规则计算值要记录公式与输入格,不能标成原文直接提供。
Google 文档说明 Gemini 可理解 PDF 视觉内容,但这种能力不保证每次格子归属都正确。复杂版面仍要用人工真值测试。若页面无法清楚渲染,先改善输入再提取,不能靠补写提示词把缺失像素恢复出来。
常见问题
模型标了页码就可以自动采信吗? 页码也是输出,应抽查它是否指向实际证据。
可以把空单元格都填零吗? 不可以,空白、横杠与零可能表达不同含义。
只保留原文而不保留位置够吗? 重复文字多时无法唯一定位,文件、页和表格位置应一起留存。
继续处理相关问题
相关入口:Gemini 接入基础。
官方依据与核对日期
核对日:2026-10-23。Gemini 文档理解:Gemini 支持 PDF 视觉理解;本文的逐格溯源字段和验收方法由应用设计。文中的流程、阈值和合成数据属于工程示例,不能代替当前账号、文件或运行环境的验收。
留言讨论
评论发布后会被人工复核,违规内容将被删除。
如果发表没有反应,可以前往联系我们告诉我们。