[{"data":1,"prerenderedAt":99},["ShallowReactive",2],{"blog:detail":3},{"id":4,"title":5,"body":6,"description":12,"extension":80,"meta":81,"navigation":94,"path":95,"seo":96,"stem":97,"__hash__":98},"content/blog/0140-2026-10-29.md","同一张表格被读出三种含义，文档解析的歧义出在结构判断",{"type":7,"value":8,"toc":72},"minimal",[9,13,16,21,24,27,30,33,37,56,59,63,66,69],[10,11,12],"p",{},"10 月底，一份文档解析协议草案在 AI 圈引起讨论。它列出 140 条规则，覆盖文本、表格、表单、图表这几类页面元素，每条规则都配了示例页面和\"应该解析成什么\"的参考答案。发布它的厂商说，这些规则要解决一个容易被忽略的问题：两个解析器能把一页上的每个字都提取出来，却给出含义不同的结果。",[10,14,15],{},"这句话的严重性在于，AI 只能基于解析器交给它的结果来推理。解析器把表头归错了组，AI 的答案就跟着错，而字面上一个字都没有提取错。这正是 FlashTable 这类表单工具一直面对的场景：表格的结构判断，决定了下游拿到的数据是对还是错。",[17,18,20],"h2",{"id":19},"字都对含义却不一样","字都对，含义却不一样",[10,22,23],{},"协议草案里给了一个很典型的例子：一张销售统计表，第一行表头是年份，第二行表头是季度，2024 年下面又分 Q1、Q2、Q3、Q4 四列。三个解析器处理这张表，会得到三种结果。第一个把季度压进了表体，于是 4.1% 这一列上面没有年份，AI 要猜它属于哪一年；第二个直接丢掉了年份这一行，Q2 同时对应两列数值，AI 无从判断哪个是 2024 年的；第三个造了一个页面上根本没印的标签\"2024 Q2\"，碰巧答对了，但代码换一个解析器就会出错。协议把三种都判为不合规——它要求两行表头原样保留，每一层都留在自己那一行。",[10,25,26],{},"这里的关键不是\"哪个解析器更聪明\"，而是同一张表格，结构判断的分歧会直接改变数据的含义。字一个不少，答案却可能完全相反。",[17,28,29],{"id":29},"歧义出在结构判断",[10,31,32],{},"这类歧义集中在几个判断上。表头归属是第一个：一行表头跨几列、两行表头谁是父谁是子，判断错了，数字就挂到了错误的分类下。跨页是第二个：一张跨页的表格，算一张还是两张，直接影响它能不能被连续统计。图表是第三个：一张图是转成数据表、转成图代码、还是直接跳过，选择不同，下游拿到的内容就不同。这些判断没有客观标准，各家的解析器各自做决定，于是同一份文档在不同系统里被读出不同的结构。",[17,34,36],{"id":35},"协议给的是事后对齐","协议给的是\"事后对齐\"",[10,38,39,40,44,45,48,49,51,52,55],{},"那份协议草案想做的，是给这些判断立一个共同的答案。它规定跨列表头用 HTML 表格表达，因为 Markdown 表格画不出\"一格跨几列\"；规定表单里留空的字段写成 ",[41,42,43],"span",{},"blank","，勾选框保留为 ",[41,46,47],{},"x"," 和 ",[41,50],{},"，可读但读不清的文字标成 ",[41,53,54],{},"illegible","；规定图表转成一行一个分类、一列一个序列的数据表。这样，不同的解析器输出同一份文档时，至少能对齐到同一套结构。",[10,57,58],{},"但要注意，这套规则解决的是\"事后\"的问题。文档已经生成，结构已经固定，解析器只能在既有的版式里推断。协议能做的，是让不同的推断对齐，而不是消除推断本身。只要还停留在\"从已成形的文档里反推结构\"，歧义就只能被约束，不能被根除。",[17,60,62],{"id":61},"flashtable-从源头绕开歧义","FlashTable 从源头绕开歧义",[10,64,65],{},"FlashTable 的角度是把结构判断往前移，放在表格变成表单的那一次做完。用户把一份现成的 Word、Excel 或 WPS 表格粘贴进来，表头归属、合并关系、字段类型在这一次解析里确定下来——日期是日期、金额是金额、结论是下拉选项，表头分几层、跨几列，都作为表单定义固定住。之后填进去的每一条数据，从诞生那一刻就带着确定的结构：留空是空值而不是\"被遗漏\"，勾选是布尔值而不是\"某种标记\"，数字归属哪一行表头是写死的。",[10,67,68],{},"这样一来，AI 要处理的数据不需要事后用协议去对齐解析结果。表格还在生成的时候就已经结构化，下游拿到的是字段明确的记录，而不是一份\"需要再判断结构\"的文档。协议解决的是\"同一份文档怎么被一致地读\"，FlashTable 解决的是\"让文档在生成时就带着结构\"——前者是事后对齐，后者是源头确定。",[10,70,71],{},"文档解析协议的出现，说明 AI 落地正在把一个过去被忽略的环节推到台前：结构判断。同一个表格、同一份表单，结构判断不同，数据含义就不同，AI 再强也只能在错的结构上做推理。FlashTable 在这一环承担的是把结构判断做在源头——用 DOM 树映射在表单生成时确定表头归属与字段类型，让数据从填进去的那一刻就结构化、可计算、可追溯。当越来越多的 AI 能力要靠文档和表格喂数据时，先解决\"数据以什么结构进来\"，比事后用规则去对齐解析结果更省事，也更可靠。",{"title":73,"searchDepth":74,"depth":74,"links":75},"",2,[76,77,78,79],{"id":19,"depth":74,"text":20},{"id":29,"depth":74,"text":29},{"id":35,"depth":74,"text":36},{"id":61,"depth":74,"text":62},"md",{"slug":82,"order":83,"date":84,"tag":85,"summary":87,"keywords":88},"document-parsing-structure-ambiguity",140,"2026年10月29日",[86],"行业热点","10 月底，一份文档解析协议草案提出 140 条规则，覆盖文本、表格、表单、图表，要解决一个隐蔽的问题：两个解析器能把一页上的每个字都提取出来，却给出含义不同的结果。同一张销售表，因为表头归属判断不同，三个解析器读出三种结构，AI 只能在错的结构上做推理。协议解决的是事后对齐，FlashTable 的做法是把结构判断前移到表单生成时，让数据从诞生那一刻就带着确定的结构。本文拆解歧义从哪来，以及 FlashTable 如何从源头绕开它。",[89,90,91,92,93],"文档解析","表格结构化","结构判断","表单开发组件","FlashTable",true,"/blog/0140-2026-10-29",{"title":5,"description":12},"blog/0140-2026-10-29","Q5YSqnDgPy4QlMXfKcCNTMDv5ggvTisAyK2Efdn9FQk",1794363091648]