请问表格数据如何标注

[TranquilChan]

请问表格数据是如何标注的，识别图片提取成html，该如何标注表格数据

[dosubot[bot]]

Hi @TranquilChan! I'm Dosu and I’m helping the MinerU team.

MinerU在结构化输出（如 middle.json、content_list.json）中，表格数据会以 type 为 table 的块存在，包含表格本体（table_body）、表格描述（table_caption）、表格脚注（table_footnote）等二级块。表格内容会以 HTML 格式存储在 table_body 字段，采用标准的

、、

标签，支持合并单元格（rowspan、colspan）等结构信息，方便后续进行结构和内容的标注。每个表格块和子块都带有 bbox（边界框坐标）和 page_idx（页码），可以实现空间定位和精细标注。 标注表格数据时，可以结合 HTML 内容、块类型标签（如 table_body、table_caption）、bbox 坐标等信息，对表头、表体、合并单元格、数据类型等进行语义标注。例如，可以在 HTML 的

标签中增加自定义属性，或者在 JSON 结构中为每个单元格、行、列添加额外的标注信息。这样既能保留表格的结构，又便于后续的自动化处理和模型训练。 详细结构和示例可参考官方文档说明：MinerU输出文件结构与表格标注 To reply, just mention @dosu. How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other