复杂 PDF 解析实测——PDFlux 和 LlamaParse，谁更胜一筹？

检索增强生成（Retrieval-Augmented Generation，简称RAG）用于提升大语言模型回答问题的准确性。传统的大语言模型会凭空“编造”答案，RAG 结合了信息检索和文本生成技术，增强了大语言模型的文本生成能力，是解决“幻觉”问题的重要方法。

高质量的 PDF 解析是 RAG 增强大语言模型的前提。在 RAG 之前，需要利用 PDF 解析器识别PDF文档结构来革新RAG技术，从而大大提升大语言模型的准确性和可信度，提高输出质量。

我们将最近大火的LlamaParse和 ChatDOC PDF 解析器（即PDFlux）进行对比，发现ChatDOC在处理包括财务报告、学术论文、法律文件在内的各类文档时都表现出了卓越的准确性和可靠性。这背后的秘密，是我们多年积累的全景文档结构提取技术。

而与ChatDOC PDF 解析器（即PDFlux）相比，LlamaParse的表现则还有很大进步空间。

如果你想体验ChatDOC PDF 解析器（PDFlux）， 请访问网址：https://pdflux.com/

以下是对比细节：

1. 内容识别是否完整

PDFlux能够完整并准确地识别表格、段落内容。而在LlamaParse上，原文档内容缺失严重，问题不只在于相对复杂的表格内容，段落内容也常常漏掉。

2. 多栏内容识别

PDFlux能够精准识别 PDF 中的多栏内容，而 LlamaParse 的多栏PDF识别效果不佳。我们测试了几份多栏PDF文档，虽然 LlamaParse能够识别部分文档，但还有很多文档无法识别。由于大多数论文都是多栏PDF格式，因此多栏内容的识别是一个关键问题。

3. 表格和图表解析能力

PDFlux 可以精准解析表格和图表数据。LlamaParse 虽然可以解析嵌入表格，然而数据不准确，并且图表被错误地解析成了表格。

4. 页眉页脚识别

PDFlux 可以准确识别页眉页脚，区别于正文内容。而 LlamaParse 无法识别页眉页脚，页眉页脚与正文混在一起。这虽然是个细节问题，但对最终性能影响很大。

5. 段落内容识别

PDFlux 可以正确识别解析段落内容，而 LlamaParse 将段落内容错误地识别为表格。

6. 多页文档内容识别

以跨页表格为例，PDFlux 可以准确地识别跨页表格，并将其合并。LlamaParse 无法识别和合并跨页表格。我们推测这是因为没有识别出页眉和页脚，所以LlamaParse无法确定。

本文中提到的评测 PDF：https://journals.sagepub.com/doi/pdf/10.1177/13524585231164296