官网网址上docx，pptx抽取完之后，能够左右对比定位是如何实现的？

[ojslee]

官网网址上docx，pptx抽取完之后，能够左右对比定位是如何实现的？

miner3 原生支持docx，pptx抽取，但是并未发挥bbox的坐标，但是页面上支持画框定位，是因为都转成了pdf了吗？

[dosubot[bot]]

@ojslee 根据代码分析，MinerU 对 DOCX/PPTX 的处理和可视化对比的实现如下：

MinerU 并不会将 DOCX/PPTX 转成 PDF 来抽取，而是使用原生库直接解析：DOCX 用 python-docx + mammoth，PPTX 用 pypptx-with-oxml [1]。抽取后会统一输出标准化 JSON 格式，bbox 坐标归一化到 0-1000 范围。

关于你提到的官网上左右对比画框定位的功能：MinerU 代码中的 bbox 可视化叠加系统（draw_bbox.py）是专门针对 PDF 的，使用 pypdf 和 ReportLab 在 PDF 页面上绘制彩色矩形框 [2]。开源代码中并没有针对 DOCX/PPTX 的等效可视化功能。

不过，官网在线 Demo 包含了一些额外的渲染后处理优化，这些优化是专门用于预览展示的，并不包含在核心开源代码中 [3]。所以官网上看到的 DOCX/PPTX 左右对比画框定位功能，很可能是在线 Demo 额外实现的前端渲染逻辑（例如将文档临时转为 PDF 用于预览展示，或通过前端坐标映射实现高亮），并非开源版本自带的功能。

简单总结：

• PPTX 抽取确实有 bbox 坐标（通过仿射变换处理嵌套形状的坐标）[4]
• DOCX 的 bbox 处理相对简单，坐标管理不如 PPTX 显式
• 开源版的可视化画框功能仅支持 PDF [2]
• 官网的对比定位效果属于在线 Demo 额外的渲染优化

To reply, just mention @dosu.

---

Share context across your team and agents. Try Dosu.