对于单元格中带空格的识别准确率

[qzkq]

对于单元格中带空格的，现在模型会通过空格拆分成两个独立的单元格，导致顺序混乱

[dosubot[bot]]

单元格内容中带空格被拆分成多个单元格、导致顺序混乱，是MinerU已知的表格识别问题，尤其在 VLM 后端和复杂表格场景下更明显。这个拆分行为主要来自表格模型（如 RapidTable/VLM），MinerU自身代码不会按空格拆分单元格，也没有配置项能直接修复这个问题，输出只是转发模型的 HTML 结果相关讨论。

常见解决办法有：切换到 pipeline 后端（空间排序能减少拆分）、强制使用 OCR 模式（--method ocr）、升级到 MinerU 最新版（2.5.3及以上有表格合并和识别优化），或者在输出的 JSON/Markdown 里用脚本手动合并被拆分的行/单元格参考。如果必须用 VLM，可以用 post-processing 脚本检测并合并相邻的错位行。

目前没有官方配置能彻底解决空格拆分问题，根本原因在于底层表格模型的输出。你可以尝试优化输入图片质量（对比度、裁剪、去除干扰线），或用 middle.json、layout.pdf 辅助定位拆分点，手动修正相关说明。如果有更高精度需求，可以关注 RapidTable 的 unitable 子模型，但需要 CUDA 支持，速度较慢相关讨论。

如需脚本示例或具体操作建议可以补充说明。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}