通义千问文档解析能力需通过pdf、word、excel三类格式的专项测试及跨格式一致性、异常鲁棒性校验来全面评估。pdf测试聚焦ocr与文本提取、表格结构还原；word测试覆盖样式、修订、文本框等非线性元素；excel测试验证公式值、合并单元格、格式元数据；跨格式校验确保核心字段语义一致；异常测试检查损坏、加密、超限等场景下的响应规范性与安全性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您需要对通义千问的文档解析能力进行深度测试，验证其在PDF、Word、Excel等主流格式上的识别精度、结构还原度与内容提取稳定性，则需设计覆盖多层级特征的实测方案。以下是开展该测试的具体步骤：
一、PDF文档解析测试方法
PDF格式存在扫描件与可编辑文本两类本质差异，测试需分别验证OCR识别能力与原生文本提取能力。重点考察段落分割准确性、表格边界识别完整性及中文字符编码兼容性。
1、准备三类PDF样本：含文字层的标准PDF、150dpi灰度扫描PDF、嵌入复杂页眉页脚与多栏排版的学术论文PDF。
2、将同一份PDF通过通义千问API上传接口提交，获取返回的纯文本结果与结构化JSON输出（含page、block、line、span字段）。
3、人工比对原始PDF中第3页的2×3表格，检查返回JSON中cell坐标是否连续、行列索引是否错位、合并单元格是否被标记为“merged:true”。
4、使用正则匹配验证返回文本中所有中文标点是否为全角字符，特别关注引号、破折号、省略号是否未被替换为ASCII符号。
二、Word文档解析测试方法
Word文件包含样式链、修订痕迹、文本框、题注与交叉引用等非线性元素，测试需检验元数据保留程度与逻辑结构重建能力。
1、创建含标题1/2/3级样式、带编号列表、插入文本框内独立段落、启用“跟踪修订”并修改两处正文的.docx文件。
2、调用通义千问文档解析接口上传该文件，获取带style标签的Markdown输出及原始段落顺序数组。
3、检查返回结果中“标题2”文本是否包裹在
标签内、“编号列表项”是否生成ol/li结构、文本框内容是否出现在主段落流之外且标注type=“textbox”。
4、对比修订模式下被删除的文字是否出现在output.revisions.deleted列表中，确认时间戳与操作者姓名字段是否完整返回。
三、Excel文档解析测试方法
Excel解析核心在于多Sheet协同处理、公式值与显示值分离、合并单元格跨行跨列映射及特殊数字格式还原，测试需穿透表层数据提取，验证底层单元格语义建模能力。
1、构造含4个Sheet的工作簿：Sheet1为销售明细（含SUMIFS公式与千分位货币格式）、Sheet2含A1:E10合并单元格、Sheet3含筛选状态与隐藏行、Sheet4含数据验证下拉列表与条件格式规则。
2、上传该.xlsx文件至通义千问解析服务，请求返回每个Sheet的二维数组+metadata对象。
3、检查Sheet1中F2单元格（显示¥12,345.67）的value字段是否为数值12345.67、format字段是否包含“_(* #,##0.00_);_(* (#,##0.00);_(* “-“??_);_(@_)”字符串。
4、验证Sheet2中合并区域B2:D4在返回的merge_cells数组中是否记录为{r1:1,r2:3,c1:1,c2:3}，确认r/c索引是否以0起始且与Excel界面显示行列号严格对应。
四、跨格式一致性校验方法
同一份业务数据分别保存为PDF/Word/Excel时，其核心字段（如客户名称、金额、日期）应具备语义等价性，测试需构建字段级对齐验证机制。
1、生成标准测试集：含10条客户订单记录的原始CSV，据此导出PDF（打印布局）、Word（表格嵌入）、Excel（公式计算）三个版本。
2、对三个版本分别调用解析接口，提取所有出现“客户名称”“订单金额”“下单日期”的字段值，存入三组键值对字典。
3、执行字段级比对：将“订单金额”字符串统一转为float后计算绝对误差，要求PDF与Word提取值与Excel公式的计算结果偏差不超过±0.01。
4、检查“下单日期”在PDF中若以图片形式嵌入，OCR识别结果是否触发二级校验——自动匹配YYYY-MM-DD正则并修正常见误识（如“2023-05-01”被识为“2023-0S-01”时启动数字邻域纠错）。
五、异常格式鲁棒性测试方法
真实场景中常遇损坏头信息、密码保护、加密签名或非标扩展名文件，测试需验证服务对非法输入的响应策略与降级处理能力。
1、准备五类异常样本：头部损坏的.pdf（hex编辑器删前16字节）、4位数字密码保护的.docx、含SHA256签名的.xlsx、扩展名改为.doc的.docx文件、超50MB的嵌入高清图PDF。
2、依次上传样本，记录HTTP状态码、error_code字段值及message提示文本。
3、对密码保护.docx，检查返回是否包含need_password:true字段及support_brute_force:false声明；确认不会返回空白内容或内部堆栈泄漏信息。
4、对超限PDF，验证是否返回code=“FILE_SIZE_EXCEEDED”且max_allowed_size字段明确标出当前限制值（如104857600）。
