三线表

概述

三线表是学术论文中最常见的表格格式，仅有顶线、表头分隔线、底线三条横线，无竖线。列边界不靠线条而靠"列内文字的水平对齐"来推断，对表格识别算法是极大挑战。

关键内容

结构特征

三线表仅有三条线：

指标     方法A   方法B   方法C
────────────────────────────
准确率   90.1   88.3   92.5
召回率   87.6   91.2   89.0
F1       88.8   89.7   90.7

• 顶线：表格顶部边界
• 表头分隔线：区分表头与数据行
• 底线：表格底部边界
• 无竖线：列边界完全不可见

识别挑战

1. 无垂直参考线：列边界无法直接检测，需靠文字水平对齐推断
2. 列宽不均：各列宽度可能差异很大
3. 表头识别：第一行通常是粗体，是确定列数的关键线索
4. 对齐方式多样：左对齐、右对齐、居中对齐混合出现

MinerU 处理策略

MinerU 通过以下方式处理三线表：

1. 文档布局检测（DocLayout-YOLO）识别出 table 框区域
2. TableMaster 通过学习到的特征理解"列对齐"，即使无竖线也能识别列边界
3. 表头行特征：第一行通常为粗体，用来确定列数和表格结构
4. 文字型 PDF：PyMuPDF 提取的 Span 坐标帮助验证列对齐

在学术出版中的地位

三线表在学术论文中极为常见，是科技期刊的标准表格格式。其简洁的设计避免了多余线条对阅读的干扰，但对自动化解析提出了更高的算法要求。

来源

• raw/assets/MinerU/minerU_06_table.md — MinerU 深度解析系列 · 第六篇：表格识别系统

相关

• 表格识别 — 所属技术领域
• TableMaster — 处理三线表的核心模型
• MinerU — 支持三线表识别的文档解析工具
• 文档布局检测 — 前置检测环节