复杂文档智能解析与合规审查系统

本科毕业设计工程实现，面向合同、金融风控材料、工程管养规范等复杂非结构化文档，提供上传、预处理、OCR、版面理解、语义抽取、合规审查、人工纠错和多格式导出能力。

功能模块

1. 自适应预处理：基于 OpenCV 完成灰度化、去噪、对比度增强和轻量倾斜校正。
2. OCR 与版面分析：优先调用 PaddleOCR，PDF 解析失败时回退到 PyMuPDF 文本块提取。
3. 视觉要素检测：检测疑似公章、表格/技术参数区、强制性条款区域，并保留坐标用于溯源。
4. 语义抽取与合规审查：可在分析前选择 DeepSeek、Qwen、OpenAI 兼容模型，或不使用大模型仅运行规则抽取。
5. 动态字段抽取：不固定“甲方、乙方、金额”，而是面向法律、金融、管养规范等文档动态识别关键信息。
6. 人机协同纠错：前端支持字段编辑、原图 Bounding Box 高亮、点击框跳转原始文本、原始文本手动编辑。
7. 效能评估：内置版面检测、字段抽取、JSON 合规率、Prompt 消融实验等图表化评估页面。
8. 多格式导出：支持 JSON、Word、PDF。

项目结构

doc-parser-system/
  main.py                    # FastAPI 入口与接口定义
  core/config.py             # 配置、路径、环境变量
  models/schemas.py          # 任务、版面块、动态字段、风险等数据模型
  services/
    document_service.py      # 上传保存、PDF/文本/图片渲染
    preprocess_service.py    # 图像增强和倾斜校正
    ocr_service.py           # PaddleOCR 与 PDF 文本回退
    layout_service.py        # 视觉要素和版式块检测
    llm_service.py           # 多模型调用、动态字段抽取与规则降级
    compliance_service.py    # 合规规则审查
    export_service.py        # JSON/Word/PDF 导出
    pipeline.py              # 端到端解析流水线
    job_store.py             # 任务进度与结果持久化
  frontend/                  # Vue 3 + Element Plus 工作台
  storage/                   # 上传、预览、结果、导出文件

运行方式

后端：

.\venv\Scripts\python.exe -m uvicorn main:app --host 127.0.0.1 --port 8000

前端：

cd frontend
npm run dev -- --host 127.0.0.1 --port 5173

访问 http://127.0.0.1:5173。

DeepSeek 配置

复制 .env.example 中的变量到系统环境变量。使用 DeepSeek 时至少配置：

$env:DEEPSEEK_API_KEY="你的 Key"

未配置 Key 时系统会自动使用规则抽取模式，仍可完成演示。

也可以配置 QWEN_API_KEY 或 OPENAI_COMPATIBLE_API_KEY、OPENAI_COMPATIBLE_BASE_URL，前端会展示对应模型选项。

核心接口

• POST /api/documents：批量上传文档并创建后台解析任务。
• GET /api/jobs/{job_id}：查询任务进度和解析结果。
• GET /api/jobs/{job_id}/events：SSE 实时推送任务状态。
• PATCH /api/jobs/{job_id}/corrections：保存人工校验后的结构化结果。
• GET /api/jobs/{job_id}/export/{format}：导出 json、docx 或 pdf。
• GET /api/model-options：获取可选大模型策略。
• GET /api/evaluation/summary：获取效能评估图表数据。