PP-StructureV3 在V1的基础上，强化了版面区域检测、表格识别、公式识别的能力，增加了图表理解和多栏阅读顺序的恢复能力、结果转换 Markdown 文件的能力，在多种文档数据中，表现优异，可以处理较复杂的文档数据。

PP-StructureV3的整体pipeline如下，

涉及的模型较多，有

• 文档图像方向分类模块
• 文本图像矫正模块
• 版面区域检测模块
• 表格结构识别模块
• 文本检测模块
• 文本识别模块
• 文本行方向分类模块
• 公式识别模块
• 印章文本检测模块
• 图表解析模块

---

项目链接：
https://paddlepaddle.github.io/PaddleOCR/v3.0.1/version3.x/pipeline_usage/PP-StructureV3.html
代码链接：https://github.com/PaddlePaddle/PaddleOCR

---

PDF解析效果评测

在OmniDocBench评测集上，PP-StructureV3在各个指标下，实现了基于pipeline算法中最好的效果，同时，不难看出，在开源模型中，也是效果最佳。

Method Type	Methods	OverallEdit↓		TextEdit↓		FormulaEdit↓		TableEdit↓		Read OrderEdit↓
		EN	ZH	EN	ZH	EN	ZH	EN	ZH	EN	ZH
Pipeline Tools	PP-structureV3	0.147	0.212	0.059	0.09	0.295	0.535	0.159	0.109	0.075	0.114
	MinerU-0.9.3	0.15	0.357	0.061	0.215	0.278	0.577	0.18	0.344	0.079	0.292
	MinerU-1.3.11	0.166	0.310	0.0826	0.2000	0.3368	0.6236	0.1613	0.1833	0.0834	0.2316
	Marker-1.2.3	0.336	0.556	0.08	0.315	0.53	0.883	0.619	0.685	0.114	0.34
	Mathpix	0.191	0.365	0.105	0.384	0.306	0.454	0.243	0.32	0.108	0.304
	Docling-2.14.0	0.589	0.909	0.416	0.987	0.999	1	0.627	0.81	0.313	0.837
	Pix2Text-1.1.2.3	0.32	0.528	0.138	0.356	0.276	0.611	0.584	0.645	0.281	0.499
	Unstructured-0.17.2	0.586	0.716	0.198	0.481	0.999	1	1	0.998	0.145	0.387
	OpenParse-0.7.0	0.646	0.814	0.681	0.974	0.996	1	0.284	0.639	0.595	0.641
Expert VLMs	GOT-OCR	0.287	0.411	0.189	0.315	0.36	0.528	0.459	0.52	0.141	0.28
	Nougat	0.452	0.973	0.365	0.998	0.488	0.941	0.572	1	0.382	0.954
	Mistral OCR	0.268	0.439	0.072	0.325	0.318	0.495	0.6	0.65	0.083	0.284
	OLMOCR-sglang	0.326	0.469	0.097	0.293	0.455	0.655	0.608	0.652	0.145	0.277
	SmolDocling-256M_transformer	0.493	0.816	0.262	0.838	0.753	0.997	0.729	0.907	0.227	0.522
General VLMs	Gemini2.0-flash	0.191	0.264	0.091	0.139	0.389	0.584	0.193	0.206	0.092	0.128
	Gemini2.5-Pro	0.148	0.212	0.055	0.168	0.356	0.439	0.13	0.119	0.049	0.121
	GPT4o	0.233	0.399	0.144	0.409	0.425	0.606	0.234	0.329	0.128	0.251
	Qwen2-VL-72B	0.252	0.327	0.096	0.218	0.404	0.487	0.387	0.408	0.119	0.193
	Qwen2.5-VL-72B	0.214	0.261	0.092	0.18	0.315	0.434	0.341	0.262	0.106	0.168
	InternVL2-76B	0.44	0.443	0.353	0.29	0.543	0.701	0.547	0.555	0.317	0.228

安装使用

第一步，安装PaddlePaddle
详见开始使用_飞桨-源于产业实践的开源深度学习平台
笔者是linux环境，CUDA版本是12.6，执行以下命令安装

python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

PaddlePaddle安装的坑比较多，尽量保证环境和安装网页提及的一致，不然，有的受了
第二步，安装PaddleOCR

python -m pip install paddleocr

第三步，体验PP-StructureV3效果

paddleocr pp_structurev3 -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png

会有运行结果输出
第四步，批量处理PDF文件

from pathlib import Path
from paddleocr import PPStructureV3

input_file = "./your_pdf_file.pdf"
output_path = Path("./output")

pipeline = PPStructureV3()
output = pipeline.predict(input=input_file)

markdown_list = []
markdown_images = []

for res in output:
    md_info = res.markdown
    markdown_list.append(md_info)
    markdown_images.append(md_info.get("markdown_images", {}))

markdown_texts = pipeline.concatenate_markdown_pages(markdown_list)

mkd_file_path = output_path / f"{Path(input_file).stem}.md"
mkd_file_path.parent.mkdir(parents=True, exist_ok=True)

with open(mkd_file_path, "w", encoding="utf-8") as f:
    f.write(markdown_texts)

for item in markdown_images:
    if item:
        for path, image in item.items():
            file_path = output_path / path
            file_path.parent.mkdir(parents=True, exist_ok=True)
            image.save(file_path)

效果评测

输入PDF 类型	输入PDF 图示	PP-StructureV3 解析结果	Doc2X 解析结果
多栏
公式
表格
代码

对多栏类数据，PP-StructureV3能够解析出版面结构，但OCR能力一般，论文标题、作者识别错误；
对公式类数据，PP-StructureV3和Doc2X解析结果相差不大；
对表格类数据，PP-StructureV3较难处理单元格内有换行的数据，容易识别错误；
对代码类数据，PP-StructureV3基本不能用。

综上，即使最强的PDF开源解析模型——PP-StructureV3，也无法和闭源的Doc2X比较。Doc2X具备很强的技术护城河，想实现PDF解析，无脑接入Doc2X就行了。