大家好，今天介绍一款我在项目中使用的文档解析服务——Azure Document Intelligence。

做过文档解析的朋友，应该都遇到过这些问题：扫描件提取不到文字，多栏排版读乱顺序，表格中的数据无法正确对应。

Azure Document Intelligence 将 OCR 与布局分析结合起来，提取文档中的文字、段落和表格结构。它是微软 Azure 上的云服务，前身叫 Azure Form Recognizer（表单识别器），可以通过 API 或 SDK 调用。

在笔者尝试过的文档解析服务中，它是目前的个人首选。下面重点介绍模型选择、.NET 接入和使用成本。

服务中有哪些模型

Azure Document Intelligence 是服务名称，Layout 是其中的一个模型。

按官方 v4.0（API 版本 2024-11-30）总览表条目统计，包含 2 个通用文档分析模型、22 个行业预构建模型或模型组，以及自定义模型。部分模型组还包含子模型。

只需要文字，可以选择 Read；还需要表格和布局结构，重点看 Layout。

Layout 能解析什么

Layout 的调用名称是 prebuilt-layout，主要提供以下能力：

它支持输出 Markdown，方便阅读或继续交给大模型处理。v4.0 的 Markdown 输出中，表格使用 HTML 表示，以保留合并单元格和多行表头等结构。

Layout 支持 PDF 和 Word 的 .docx 格式，旧版 .doc 需要先转换。需要注意：DOCX 中的文本可以提取，但嵌入图片不会被分析。

使用 .NET SDK

先在 Azure Portal 创建 Document Intelligence 资源，获取 Endpoint 和 Key。

本文使用 Azure.AI.DocumentIntelligence1.0.0：

dotnet add package Azure.AI.DocumentIntelligence --version 1.0.0

案例

我们通过一个简单解析来看一下效果：

费用

以日本东部区域的美元按量付费价格为例：

使用 Layout，解析 100 页约 1 美元，解析 1,000 页约 10 美元。 文字识别已包含在内，后续调用大模型的费用另算。

测试可以使用 F0 免费层，每月 500 页免费额度，但每次分析最多处理前两页。

PDF 按实际分析页数计费；Word 每 3,000 个字符折算一页，不足部分也计一页。实际费用以微软官方价格页和订阅账单为准。

源代码地址   

https://github.com/bingbing-gui/dotnet-agent-playbook/tree/master/src/aspnet-core-samples/DocumentIntelligence.LocalDemo