表格文本latex及段落顺序

[kendrickliu]

您好，有问题想咨询 1.从类别上看category_id=1的plain_text是正文自然段落的文本，latex是category_id=5的表格的文本。但是我看解析后的json文件中， "category_id":1没有text值，只有category_id=15的'ocr_text'有文本，'ocr_text'的“text”文本段是否可以理解为是除去表格内容后的正文文本？ 2.上下文顺序有部分不太对的上，是否存在坐标排序？ 附上截图，感谢

![Uploading 1725428833581.png…]()

[ouyanglinke]

1. category_id=1是layout模型的结果，是段落级别的文本的框，只有bbox信息；15是OCR模型的结果，包含bbox和文本；如果想利用ocr_text来组成plain_text文本框内的整个自然段，需要跑MinerU的后处理；
2. 阅读顺序排序的代码也在MinerU里；