已弃用

本页记录的是已弃用的 Parse v1 API。新的接入请使用 Parse v2；改造已有的 v1 代码请见v1 到 v2 迁移指南。

已弃用

auto_mode_configuration 功能已弃用。新项目我们建议改用成本优化器能力 —— 它提供相似功能，却不需要一个解析循环。

本文详列 LlamaParse 文档流水线中所有可用的触发器。这些触发器可用于 auto_mode_configuration_json，按条件把特定的解析配置应用到满足条件的页上。

内容类触发器

触发器	说明	示例
text_in_page	在页面的文本或 markdown 内容中找到指定字符串时触发。	"text_in_page": "Executive Summary"
table_in_page	页面含 HTML 表格元素或 markdown 表格语法时触发。	"table_in_page": true
image_in_page	页面含图片时触发（不含整页截图）。	"image_in_page": true
regexp_in_page	页面的 markdown 内容匹配指定正则模式时触发。	"regexp_in_page": "\\d{4}-\\d{2}-\\d{2}"

文件类触发器

触发器	说明	示例
filename_regexp	文件名匹配指定正则模式时触发。	"filename_regexp": "invoice.*\\.pdf"

文本量度触发器

触发器	说明	示例
page_longer_than_n_chars	页面的文本或 markdown 内容超过指定字符数时触发。	"page_longer_than_n_chars": "1000"
page_shorter_than_n_chars	页面的文本或 markdown 内容少于指定字符数时触发。	"page_shorter_than_n_chars": "500"
page_contains_at_least_n_words	页面含超过指定数量的有效词（2 个字符以上）时触发。	"page_contains_at_least_n_words": "200"
page_contains_at_most_n_words	页面含少于指定数量的有效词（2 个字符以上）时触发。	"page_contains_at_most_n_words": "50"
page_contains_at_least_n_lines	页面的非空行数超过指定值时触发。	"page_contains_at_least_n_lines": "20"
page_contains_at_most_n_lines	页面的非空行数少于指定值时触发。	"page_contains_at_most_n_lines": "10"

元素计数触发器

触发器	说明	示例
page_contains_at_least_n_images	页面含超过指定数量的图片时触发。	"page_contains_at_least_n_images": "2"
page_contains_at_most_n_images	页面含少于指定数量的图片时触发。	"page_contains_at_most_n_images": "1"
page_contains_at_least_n_tables	页面含超过指定数量的表格时触发。	"page_contains_at_least_n_tables": "1"
page_contains_at_most_n_tables	页面含少于指定数量的表格时触发。	"page_contains_at_most_n_tables": "3"
page_contains_at_least_n_links	页面含超过指定数量的链接时触发。	"page_contains_at_least_n_links": "5"
page_contains_at_most_n_links	页面含少于指定数量的链接时触发。	"page_contains_at_most_n_links": "10"
page_contains_at_least_n_charts	页面含超过指定数量的图表时触发。	"page_contains_at_least_n_charts": "1"
page_contains_at_most_n_charts	页面含少于指定数量的图表时触发。	"page_contains_at_most_n_charts": "2"
page_contains_at_least_n_layout_elements	页面含超过指定数量的版面元素时触发。	"page_contains_at_least_n_layout_elements": "10"
page_contains_at_most_n_layout_elements	页面含少于指定数量的版面元素时触发。	"page_contains_at_most_n_layout_elements": "5"
full_page_image_in_page	页面接近 ~整页 都是图片时触发，通常意味着扫描件

数值内容触发器

触发器	说明	示例
page_contains_at_least_n_percent_numbers	页面中数字词的比例超过指定百分比时触发。带标点的数字（例如 “1,000.50”）也能被正确识别。	"page_contains_at_least_n_percent_numbers": "30"
page_contains_at_most_n_percent_numbers	页面中数字词的比例低于指定百分比时触发。带标点的数字同样能被正确识别。	"page_contains_at_most_n_percent_numbers": "10"

版面类触发器

触发器	说明	示例
layout_element_in_page	页面含指定类型的版面元素时触发。	"layout_element_in_page": "table"
layout_element_in_page_confidence_threshold	为 layout_element_in_page 触发器指定最低置信度。	"layout_element_in_page_confidence_threshold": "0.8"

用法示例

下面是在 auto_mode_configuration_json 里使用这些触发器的例子：

[
  {
    "parsing_conf": {
      "user_prompt": "Extract all tabular data into a structured format",
    },
    "table_in_page": true
  },
  {
    "parsing_conf": {
      "user_prompt": "Summarize the executive summary section",
    },
    "text_in_page": "Executive Summary"
  },
  {
    "parsing_conf": {
      "user_prompt": "Extract financial figures from this numbers-heavy page",
    },
    "page_contains_at_least_n_percent_numbers": "25"
  }
]

说明

• 单个配置对象里可以写多个触发器，必须满足其中所有条件，该解析配置才会被应用。
• 数值阈值请以字符串提供，如示例所示。
• 正则表达式要按示例做好转义。
• 当一个页匹配到多个配置时，只会应用数组中第一个匹配的配置。