待验证50% 置信事实精确时间
文档结构分块用文档自身的结构标记——Markdown标题、HTML的<h1>/<h2>、docstring小节——来定义块边界。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证将文档转录为Markdown是当前文档解析领域的主流输出范式，Markdown保留标题层级、表格、列表等结构信息，比HTML轻量72% 相似待验证结构感知分块通常分两步：先用解析器（如处理PDF的layout-aware解析器、处理HTML的DOM解析器）提取带层级的文档树，再按节点类型决定合并或拆分策略。70% 相似待验证Markdown的结构化标题层级天然对应需求文档的章节层次，且对大模型友好，token利用率高于HTML等富格式文本70% 相似待验证Docling 不仅提取文本，还能识别表格结构、图表、标题层级和页面布局，并将结果输出为结构化格式（如 Markdown、JSON）67% 相似待验证Markdown文件通常以.md或.markdown为扩展名存储，本质是纯文本文件64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1048037API
curl https://kongchang.com/api/v1/knowledge/claims/1048037MCP
get_claim(id=1048037)