一种文档信息抽取方法

本发明提供了一种文档信息抽取方法，包括：获取待解析文档；使用文档结构解析模型解析文档中不同的元素，给出元素的识别标框；对于解析出的页眉、页脚、二维码、插图、商标部分，将其标框范围内的图像处理成空白图像；对于解析出的印章部分，如果印章和印刷文字有重合，使用算法将印章部分去除，保留印章盖住的文字部分，将去除印章后的文字部分替换到原始图像的印章位置；提取处理后的文档图像中的印刷体、手写体，识别文档图像中的印刷体文字、手写体文字；结合原始表格、印刷体文字、手写体文字在文档图像中的位置，将识别出的文字拼装在一起；基于生成式语言大模型，设计提示词，生成所需提取的结构化数据，并以固定格式输出。