用途:将多种文档解析为结构化内容,便于后续处理。支持 PDF、Word、PPT、Excel、图片,以及 Markdown、HTML、EPUB、MOBI、RTF、TXT;音视频仅 POP 模式支持。输出 Markdown、JSON 或 HTML。
两种调用模式:V2 直连免费模式通过 DOCMIND_V2_ENDPOINT 配置端点,有每日免费额度;阿里云 POP 模式经默认凭证链自动获取凭证,每月 3000 页免费,超出按量付费。路由策略:有默认凭证链时优先 POP;无凭证但配置了端点时用 V2;额度耗尽时提示用户开通服务。
用法:python scripts/docmind_parse.py <file_path_or_url> [options]。常用参数包括 --mode(auto/v2/pop)、--enhancement(VLM/LLM/DIGITAL/OCR/AUTO)、--output(markdown/json/html)、--pages、--output-file、--head-foot、--user-prompt、--markdown-table、--markdown-image、--file-ext。V2 模式支持 URL 与本地文件 base64 上传,提交接口 POST {DOCMIND_V2_ENDPOINT}/skill/submit,查询接口 /skill/query;限流每 IP 每秒 5 任务、全局 20。POP 模式为三步异步:SubmitDocParserJob、QueryDocParserStatus、GetDocParserResult,端点 docmind-api.cn-hangzhou.aliyuncs.com,API 版本 2022-07-11。
限制:V2 文件上限 5 MB,POP 上限 150 MB;私有 URL 会返回 OssAccessDeniedError 或 403,需改用公开 URL 或本地文件;调用前应校验本地文件存在可读,不得伪造文件。依赖安装:POP 模式需 pip install "alibabacloud-docmind-api20220711>=1.0.0" "alibabacloud-credentials>=1.0.0" "alibabacloud-tea-openapi>=0.3.8" "alibabacloud-tea-util>=0.3.0" "alibabacloud-gateway-pop>=0.1.0";V2 模式需 pip install "requests>=2.20.0"。