欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

基于bbox的PDF文檔解析:多欄重排與水印過濾實(shí)戰(zhàn)

基于bbox的PDF文檔解析:多欄重排與水印過濾實(shí)戰(zhàn) 1. 項(xiàng)目概述多欄和水印為什么是 RAG 解析里的兩座山先說個(gè)場景。上個(gè)月我把一批技術(shù)論文和舊版產(chǎn)品手冊塞進(jìn)自建的 RAG 知識(shí)庫原以為 PDF 解析早就不是問題結(jié)果檢索結(jié)果讓我懷疑人生同一個(gè)問題的答案碎片化有的片段左邊一欄讀到一半突然跳到右欄有的片段把每頁底部的“Confidential”水印當(dāng)成正文喂給了向量庫最后回答里全是莫名其妙的口水話。排查了一圈問題不是出在模型而是出在 bbox 這一層——我當(dāng)年用 PDF 解析庫取文本時(shí)只看字符串壓根沒想過“文字在頁面哪個(gè)位置”這件事有多重要。這個(gè)項(xiàng)目本質(zhì)上就是一個(gè) RAG 文檔解析鏈路里的高發(fā)事故區(qū)多欄排版和水印 PDF。多欄會(huì)讓純文本流式讀取順序錯(cuò)亂水印會(huì)讓文本內(nèi)容帶上大量重復(fù)噪聲兩者疊加后向量檢索的召回質(zhì)量會(huì)被拉低得慘不忍睹。我在這個(gè)系列的前兩篇里寫過 PDF 的文本抽取和表格還原這次專門把 bbox 實(shí)戰(zhàn)拿出來寫透用一套可復(fù)現(xiàn)的 Python 流程解決兩類最惡心的 PDF。適合誰看正在搭 RAG 知識(shí)庫、做文檔解析管道、或者被掃描版論文和帶水印的公開報(bào)告折磨過的人。這篇不會(huì)只講理論我會(huì)直接給出坐標(biāo)體系、列檢測算法、水印過濾規(guī)則、以及一套從 PDF 頁面到干凈文本的流水線代碼。就算你之前沒碰過 bbox 也沒關(guān)系讀完后你自己上手改參數(shù)就能用。1.1 一個(gè)真實(shí)場景從論文庫到檢索問答我最初接到的需求很樸素把 2000 篇 PDF 論文和 100 多份廠商手冊做成一個(gè)可問答的知識(shí)庫。單欄排版的白皮書幾乎沒花時(shí)間文本抽出來就能用。麻煩的是那些雙欄排版論文和帶官方水印的 PDF 報(bào)告。雙欄排版最常見的問題是文本流錯(cuò)位。很多 PDF 閱讀器或解析庫按“文本對(duì)象在文件里的出現(xiàn)順序”抽取但 PDF 內(nèi)部對(duì)象順序和人類閱讀順序經(jīng)常不一致。你可能以為在解析輸出里先看到左欄上段實(shí)際卻是左欄、右欄、左欄、右欄地交錯(cuò)出現(xiàn)。舉個(gè)例子一頁雙欄論文的文本被抽出來之后如果把這段文本直接切塊第一塊可能是左欄第一段的開頭加右欄第一段的開頭第二塊可能是左欄第一段結(jié)尾加右欄第一段結(jié)尾。嵌到一起之后語義是碎的。水印的問題就更隱蔽了。很多水印是文本對(duì)象會(huì)被普通解析器當(dāng)成正文比如“Confidential”“DRAFT”或公司名在每一頁以中等字號(hào)、半透明的樣式出現(xiàn)在頁面中央或底部。抽取文本時(shí)你會(huì)得到一份每頁都重復(fù)若干次的水印詞表向量化之后它們會(huì)占據(jù)高頻詞位置檢索時(shí)容易命中水印而不是正文。我當(dāng)時(shí)的目標(biāo)很明確解析后的文本必須盡可能接近“人眼閱讀順序”而且要把水印這類視覺噪聲從文本流里剔除。這兩件事都必須依賴 bbox。1.2 bbox 是什么跟 RAG 有什么關(guān)系bbox 是 bounding box 的縮寫指文本對(duì)象在頁面上的最小外接矩形。一般用四個(gè)數(shù)字表示左上角 x、左上角 y、右下角 x、右下角 y。對(duì) PDF 解析來說詞級(jí) bbox 是重建閱讀順序的最重要線索對(duì) OCR 來說檢測框也是 bbox只不過坐標(biāo)系的單位不同。為什么 RAG 需要它因?yàn)槲谋鞠蛄炕举|(zhì)上只處理一維字符流它不關(guān)心二維視覺位置。如果從 PDF 提取到的字符流順序錯(cuò)了那么后續(xù)的每個(gè) RAG 環(huán)節(jié)都會(huì)繼承錯(cuò)誤切塊會(huì)切出語義斷裂的片段向量檢索會(huì)召回亂七八糟的內(nèi)容生成回答時(shí)模型只能在壞素材上強(qiáng)行組織語言。換句話說RAG 系統(tǒng)的天花板很大程度取決于文檔解析是否保留了正確的版面順序而 bbox 就是修正版面順序的錨點(diǎn)。在實(shí)際項(xiàng)目中我經(jīng)常用 bbox 做三件事一是多欄檢測判斷一頁里文本分幾欄再按視覺列重組二是閱讀順序排序把同一欄內(nèi)按從上到下排序欄之間按從左到右拼接三是水印過濾識(shí)別那些位置重復(fù)、顏色異常、透明度高、字號(hào)特殊的干擾文本并剔除。下一節(jié)開始我會(huì)把 PDF 坐標(biāo)體系和版面分析的基本概念講清楚然后再給實(shí)操代碼。2. 核心概念拆解坐標(biāo)、版面分析與閱讀順序很多人用 PyMuPDF 或 pdfplumber 時(shí)直接調(diào)page.get_text()拿字符串認(rèn)為這就完成了解析。這其實(shí)是把 PDF 里的很多信息丟掉。PDF 本身是一個(gè)二維版面模型頁面上的每個(gè)字符都有精確坐標(biāo)只是大多數(shù)文本抽取接口默認(rèn)按內(nèi)部對(duì)象順序輸出而這個(gè)順序跟人類閱讀順序不完全一致。2.1 PDF 坐標(biāo)體系從頁面坐標(biāo)到詞級(jí) bboxPDF 的坐標(biāo)原點(diǎn)通常在頁面左下角x 軸向右y 軸向上單位是點(diǎn)point1 point 1/72 英寸。但 PyMuPDF 返回坐標(biāo)時(shí)用的是左上角為原點(diǎn)的轉(zhuǎn)換也就是說 y 軸向下增長0 在頁面頂部數(shù)值越大越靠下。和 PDF 原生坐標(biāo)相反。pdfplumber 則保留 PDF 原生坐標(biāo)y 軸向上0 在頁面底部。這個(gè)差異非???。我第一次把 PyMuPDF 和 pdfplumber 的坐標(biāo)混用做列投影時(shí)怎么都不對(duì)后來發(fā)現(xiàn)兩個(gè)庫的 y 方向是相反的。建議在一個(gè)項(xiàng)目里固定只用一個(gè)坐標(biāo)體系或者統(tǒng)一轉(zhuǎn)換成同一參考系。我自己習(xí)慣用 PyMuPDF 的坐標(biāo)因?yàn)楹罄m(xù)要畫框調(diào)試時(shí)左上角原點(diǎn)跟常見的圖像坐標(biāo)一致跟 OpenCV 也能無縫對(duì)接。拿到詞級(jí) bbox 之后每個(gè)詞的形態(tài)是這樣的# PyMuPDF 返回的 word 結(jié)構(gòu) # (x0, y0, x1, y1, word, block_no, line_no, word_no)坐標(biāo)的單位是點(diǎn)不是像素。如果 PDF 頁面寬 612 點(diǎn)對(duì)應(yīng) letter 紙的寬度如果頁面要用到 150 DPI 渲染成圖片需要做一個(gè)簡單換算像素 點(diǎn)數(shù) * DPI / 72。這個(gè)換算是 OCR 場景的常見操作也是后續(xù) bbox 過濾和圖像渲染對(duì)齊的前提。2.2 版面分析啟發(fā)式規(guī)則和版面模型的取舍版面分析不外乎兩條路一條是用規(guī)則啟發(fā)式一條是訓(xùn)練或調(diào)用版面模型。規(guī)則啟發(fā)式基于坐標(biāo)、字號(hào)、顏色、縮進(jìn)這些淺層特征做判斷版面模型則是用深度學(xué)習(xí)模型檢測段落、標(biāo)題、表格、圖片區(qū)域并輸出結(jié)構(gòu)化坐標(biāo)。對(duì)多欄問題我一開始試過基于深度學(xué)習(xí)的版面模型比如開源版面分析工具效果不錯(cuò)但部署成本和推理延遲都比較高。在實(shí)際 RAG 管道里每天解析幾百上千頁文件離線批量解析還能忍但如果是實(shí)時(shí)文檔問答每一頁都走模型推理會(huì)拖慢鏈路。更簡單的辦法是先上規(guī)則判斷頁內(nèi)是否有明顯的列結(jié)構(gòu)如果有就用列投影來做重排如果遇到特殊頁面代碼塊、表格、復(fù)雜示意圖再降級(jí)到版面模型或人工處理。我的結(jié)論是不要一開始就上模型。先用規(guī)則跑通 80% 的常規(guī) PDF剩下 20% 的特殊頁面單獨(dú)標(biāo)記定期抽檢人工修復(fù)這樣工程上更穩(wěn)妥。規(guī)則做不了的事再交給模型補(bǔ)位。2.3 多欄檢測的底層邏輯多欄檢測的核心思路是“投影”。把所有文本的最小 y 坐標(biāo)映射到 x 軸統(tǒng)計(jì)不同 x 區(qū)間里出現(xiàn)的文本密度。如果是單欄x 軸上的文字分布幾乎是連續(xù)一段如果是雙欄文字分布會(huì)出現(xiàn)中間明顯空洞——那個(gè)空洞就是欄間距。實(shí)際操作時(shí)我會(huì)按詞級(jí) bbox 的中線(x0 x1) / 2做投影也可以按行級(jí)單位做。統(tǒng)計(jì)每個(gè) x 區(qū)間內(nèi)的字符數(shù)或詞數(shù)再用一個(gè)閾值判斷空洞是否足夠?qū)捵銐驅(qū)捑颓蟹謾凇_@個(gè)算法簡單有效尤其適用于規(guī)則排版的論文頁。還有一種老方法是找頁面里所有文字塊的左上角 x 坐標(biāo)做聚類比如 KMeans 或類似 DBSCAN 的密度聚類。聚類數(shù)大于 1 且塊之間水平分布明顯分離時(shí)就判定為多欄。但聚類對(duì)噪聲敏感而且需要預(yù)設(shè)類別數(shù)。相比之下投影直方圖的解釋更強(qiáng)也更容易調(diào)試所以我先用投影不行再上聚類。3. 工具選型與環(huán)境準(zhǔn)備工具選型決定了后邊所有代碼的寫法所以我單獨(dú)開一節(jié)講。我做 PDF 解析這幾年試過一堆庫最后在 RAG 場景里最順手的組合是 PyMuPDF 負(fù)責(zé)版面解析pdfplumber 做表格和高精度文本時(shí)需要時(shí)備用PaddleOCR 負(fù)責(zé)掃描件 OCR。3.1 工具鏈對(duì)比PyMuPDF、pdfplumber、PaddleOCRPyMuPDF 的優(yōu)勢是快安裝包里自帶了 MuPDF 渲染引擎能同時(shí)拿文本、坐標(biāo)、字體信息還能直接渲染頁面成圖片。用page.get_text(words)一行就能拿到詞級(jí) bbox性能很強(qiáng)適合批量解析。pdfplumber 的優(yōu)勢是表格抽取精細(xì)能把線框表格還原成行列結(jié)構(gòu)。但它基于 pdfminer速度偏慢遇到幾百頁的大文件容易磨嘰。我只在需要處理表格時(shí)調(diào)用日常文本抽取不用它。PaddleOCR 是目前我用下來中文掃描件識(shí)別準(zhǔn)確率最穩(wěn)的而且能輸出每個(gè)文本檢測框的坐標(biāo)和置信度。缺點(diǎn)是依賴 PaddlePaddle 環(huán)境安裝體積大。如果不想引入重依賴也可以拿 Tesseract 頂一頂?shù)形淖R(shí)別效果要差一些尤其是彎曲、低分辨率的文字。工具對(duì)比我用一個(gè)表說清楚工具定位優(yōu)點(diǎn)缺點(diǎn)適用場景PyMuPDF文本與版面快、能拿詞級(jí) bbox、渲染頁面表格還原弱原生 PDF、批量解析pdfplumber精細(xì)表格表格結(jié)構(gòu)化好、坐標(biāo)完整慢表格密集的 PDFPaddleOCROCR中文好、出檢測框依賴大、重掃描件、帶水印圖片文本TesseractOCR 備用輕量中文略差服務(wù)器環(huán)境受限時(shí)3.2 環(huán)境安裝與一個(gè)小坑我先給一套最小依賴Python 3.9 以上都行pip install pymupdf pip install paddlepaddle paddleocr pip install pdfplumber pip install opencv-python numpy裝 PaddleOCR 的時(shí)候有個(gè)容易踩的坑新版本默認(rèn)使用paddle后端如果本機(jī) Python 剛好是 3.12 或者缺少某些編譯庫可能會(huì)報(bào)一堆動(dòng)態(tài)鏈接錯(cuò)誤。我當(dāng)時(shí)的解決方法是先裝 CPU 版 PaddlePaddle再裝 paddleocr并且把模型下載路徑設(shè)置到有寫權(quán)限的目錄避免在服務(wù)器上用 root 跑下載到/root/.paddleocr。這一步看似無關(guān)緊要但卡住的人不在少數(shù)尤其是公司內(nèi)網(wǎng)環(huán)境模型下載失敗會(huì)直接中斷整個(gè)解析流程。裝完之后可以做一次冒煙測試拿一頁 PDF 試提取詞級(jí) bbox確認(rèn)坐標(biāo)不是全零、文字不是亂碼再進(jìn)下一步。4. 實(shí)戰(zhàn)用 bbox 完成多欄 PDF 的重排現(xiàn)在進(jìn)入正文戲。目標(biāo)是把雙欄論文頁面重排成正確的從上到下、從左到右的閱讀順序。我用一個(gè)簡化但真實(shí)可跑的流程先提取詞級(jí) bbox再做列檢測最后按列和行重排。4.1 提取詞級(jí) bbox第一手坐標(biāo)長什么樣用 PyMuPDF 提取每頁的詞級(jí)信息非常簡單import fitz def extract_words(page): return page.get_text(words) def draw_debug_boxes(page, words, out_path): for w in words: x0, y0, x1, y1 w[:4] page.draw_rect(fitz.Rect(x0, y0, x1, y1), color(1, 0, 0), width0.5) page.get_pixmap(dpi100).save(out_path)get_text(words)返回的每條記錄包含 x0、y0、x1、y1、word、block_no、line_no、word_no。注意這里的 word 是按空白拆分的結(jié)果中文沒有問題但英文里的連字符和跨行斷詞需要額外處理。拿到坐標(biāo)之后我建議立刻做一步調(diào)試把詞級(jí) bbox 畫回頁面渲染成 PNG。這一步的重要性怎么強(qiáng)調(diào)都不過分。有一次我發(fā)現(xiàn)某頁文本抽出來順序亂畫框之后才發(fā)現(xiàn)那頁其實(shí)是三欄但中間欄是極窄的邊注。不畫框靠肉眼很難看出這類問題。4.2 列檢測算法投影直方圖的思路列檢測我采用“x 坐標(biāo)投影”的算法。核心是統(tǒng)計(jì)每一列 x 區(qū)間內(nèi)的字符密度找到明顯空洞作為欄分隔線。實(shí)現(xiàn)時(shí)不需要真的生成圖片直接用詞級(jí) bbox 統(tǒng)計(jì)即可def detect_columns(words, page_width, gap_threshold30): # 取每個(gè)詞的橫向中線 centers [(x0 x1) / 2 for x0, y0, x1, y1, *_ in words] # 按中線排序后找相鄰中心之間的空隙 centers.sort() gaps [] for i in range(1, len(centers)): gap centers[i] - centers[i - 1] if gap gap_threshold: gaps.append((centers[i - 1], centers[i], gap)) if len(gaps) 2: midpoints [(g[0] g[1]) / 2 for g in gaps] return midpoints # 列分隔點(diǎn) return []這個(gè)簡化版適合大多數(shù)雙欄頁面。它的邏輯是雙欄論文的兩欄之間通常有一個(gè) 20 到 40 點(diǎn)的空白溝足夠大就能被檢測到。如果文字字號(hào)大、行間距寬閾值可以調(diào)大一些如果表格密集或頁邊距混亂閾值調(diào)小但也要接受誤報(bào)的可能。實(shí)際生產(chǎn)里我不會(huì)只靠這一個(gè)算法而是結(jié)合幾個(gè)特征欄間空洞寬度、左右兩欄的文字寬度是否接近、同一 y 行內(nèi)是否出現(xiàn)左右兩欄的文字同時(shí)存在。只有同時(shí)滿足這些條件才判定為多欄。這樣能避免把“標(biāo)題跨欄”或“表格列間空白”誤判成真正的欄。4.3 Z 字排序與文本拼接檢測出欄位之后接下來就是把文本按視覺順序拼接。我用兩個(gè)階段先給每個(gè)詞分配欄號(hào)再在欄內(nèi)按 y 坐標(biāo)排序。最后按左欄到右欄的順序輸出。def reassign_columns(words, column_split_x): new_words [] for w in words: x0, y0, x1, y1, word w[:5] cx (x0 x1) / 2 col 0 for split in column_split_x: if cx split: col 1 else: break new_words.append((col, y0, w)) new_words.sort(keylambda r: (r[0], r[1])) return new_words def build_text(reordered_words): lines [] last_col None last_y None line_parts [] for col, y0, w in reordered_words: if (last_col is not None and col ! last_col) or (last_y is not None and abs(y0 - last_y) 5): lines.append( .join(line_parts)) line_parts [] line_parts.append(w[4]) last_col col last_y y0 lines.append( .join(line_parts)) return \n.join(lines)這個(gè)流程有幾個(gè)細(xì)節(jié)要注意。第一判斷同一行時(shí)用的 y 坐標(biāo)不能只比 y0因?yàn)橥恍形淖值淖痔?hào)不同基線位置會(huì)有偏差最好允許 5 到 8 點(diǎn)的誤差。第二詞之間的空格偶爾會(huì)丟join的時(shí)候最好保留但中文不需要空格英文必須保留所以最好根據(jù)目標(biāo)語言調(diào)整拼接規(guī)則。第三遇到跨欄的大標(biāo)題時(shí)標(biāo)題 x 方向跨了整頁列檢測后會(huì)把它分配到第一欄這沒問題但需要把它單獨(dú)識(shí)別為“全欄標(biāo)題”否則左欄正文會(huì)跟標(biāo)題混在一起。我的經(jīng)驗(yàn)是如果一個(gè)文本行的寬度超過頁面寬度的 80%就先提取出來當(dāng)作獨(dú)立段落不參與欄內(nèi)排序。排序完成后文本流基本接近人類閱讀順序。再用這個(gè)文本流去做切塊和向量化RAG 的召回質(zhì)量會(huì)明顯好轉(zhuǎn)。5. 實(shí)戰(zhàn)水印 PDF 的過濾水印比多欄更陰險(xiǎn)。因?yàn)楹芏嗨≡陧撁嫔鲜前胪该鞯囊曈X上不影響閱讀但一旦被抽成文本就成了污染源。下面按水印的形態(tài)和處理方式拆開講。5.1 水印在 PDF 對(duì)象層的四種形態(tài)第一種是文本型水印直接在頁面上放置一串重復(fù)的文本對(duì)象顏色淺、字號(hào)不定、角度可能是斜的。PyMuPDF 的get_text(dict)能返回每個(gè) span 的文本、字體、字號(hào)、顏色和透明度。第二種是圖形型水印用矢量圖形拼出來的公司 Logo 或背景底紋文本抽取拿不到但渲染時(shí)能看到。第三種是圖片型水印水印作為半透明 PNG 或 JPEG 圖像疊加在頁面上文本抽取拿不到。第四種是復(fù)合水印既包含文本又包含圖片多用于公文和官方聲明。對(duì) RAG 來說真正會(huì)破壞文本流的是第一種和第四種里的文本部分。圖形和圖片水印如果不影響 OCR就不用太操心如果影響就需要在圖像層做去水印。5.2 用 bbox 加樣式特征過濾水印針對(duì)文本型水印我總結(jié)了一套“四看”規(guī)則。一看重復(fù)性水印文本通常每一頁都在同一個(gè)位置附近出現(xiàn)或者同一頁內(nèi)多次出現(xiàn)二看位置比如頁面底部、頁面正中央、斜穿頁面三看顏色水印一般是非黑色或者低對(duì)比度顏色四看透明度PyMuPDF 在dict模式下能拿到 span 的opacity半透明的對(duì)象很可疑。舉個(gè)例子某 PDF 每頁底部都有“DRAFT”字樣坐標(biāo)基本在(page_width*0.3, page_height*0.92)附近顏色是灰色字號(hào)固定。只要把全頁詞按 bbox 聚類出現(xiàn)頻率高且位置集中就能自動(dòng)識(shí)別。我用一段代碼說明過濾思路def is_watermark_span(span, page_width, page_height): bbox span[bbox] if bbox[3] page_height * 0.9: # 底部區(qū)域 if span.get(opacity, 1) 0.5: return True if span[color] not in [(0, 0, 0), (1, 0, 0)]: return True # 頁面中央的大范圍重復(fù)文字 return False這里color是 sRGB 顏色值PyMuPDF 默認(rèn)以 8 位整數(shù)表示。黑色是 0白色是 16777215。水印常見的灰色大約在 8421504 附近。你不需要死記這些值關(guān)鍵是建立“正文默認(rèn)黑色且不透光”的基線凡是偏離基線的都放到待剔除列表里。我踩過一個(gè)坑有些水印是“透明墨粉”處理過的實(shí)際字體顏色是黑色但透明度很低也有一些正文段落用了灰色高亮。所以“四看”規(guī)則一定要組合判斷單一規(guī)則容易誤殺。比如正文里有一條灰色注釋位置不在重復(fù)區(qū)域那就不該刪。5.3 掃描件里的水印OCR 和圖片雙重處理如果 PDF 是掃描件文本抽取拿不到內(nèi)容只能走 OCR。水印會(huì)直接出現(xiàn)在圖像上OCR 識(shí)別的時(shí)候可能會(huì)把水印文字一起識(shí)別出來。更麻煩的是水印文字覆蓋了正文區(qū)域比如“官方文件”斜跨整頁導(dǎo)致正文被遮擋OCR 結(jié)果里既有水印又有殘缺的正文。我的處理方法是兩步走。第一步先用 PaddleOCR 的檢測框輸出所有文本區(qū)域得到每個(gè)文本框的 bbox 和置信度。第二步根據(jù) bbox 的位置和面積判斷哪些框是水印。例如水印通常面積大、傾斜角明顯、每頁重復(fù)出現(xiàn)、識(shí)別置信度忽高忽低正文框則位置規(guī)整、字?jǐn)?shù)均衡。不斷言 OCR 能精準(zhǔn)“去掉”水印但至少能在文本流里把水印文本過濾掉。圖像層的水印我一般不做像素修復(fù)因?yàn)槿菀装颜囊残藓辉跇O少數(shù)必須展示截圖的場景里我才會(huì)用 OpenCV 的 inpaint 做局部修復(fù)。給一個(gè) PaddleOCR 快速調(diào)用的示例from paddleocr import PaddleOCR ocr PaddleOCR( use_angle_clsTrue, langch, show_logFalse, ocr_versionPP-OCRv4 ) result ocr.ocr(page.png, clsTrue) # result[0] 里每一項(xiàng)是 [box, (text, score)] # box 是四個(gè)角點(diǎn)坐標(biāo)可以算 bbox拿到檢測框之后把每頁出現(xiàn)的檢測框按坐標(biāo)重疊度和文本內(nèi)容聚類。如果同一個(gè)文本比如“水印”或“機(jī)密”在超過 90% 的頁面里反復(fù)出現(xiàn)并且位置相近我就把它加入全局過濾詞表。這個(gè)“全局重復(fù)檢測”是掃描件水印過濾里最實(shí)用的一招比單純看位置可靠得多。6. 完整實(shí)現(xiàn)從 PDF 到可入庫文本的流水線前面幾節(jié)把關(guān)鍵技術(shù)點(diǎn)拆開了這一節(jié)我給出一個(gè)能直接抄的流水線整體結(jié)構(gòu)。它把多欄重排、水印過濾、掃描件 OCR 兜底整合在一起最終輸出干凈的文本文件和對(duì)應(yīng)的頁面信息方便下游切片。6.1 流水線結(jié)構(gòu)與順序我設(shè)定的處理順序是先判斷頁面是原生文本還是掃描件再分別走兩條路。原生文本頁走“提取詞級(jí) bbox - 水印過濾 - 列檢測 - 排序拼文本”掃描件頁走“渲染圖片 - Ocr - 水印過濾 - 列檢測 - 排序拼文本”。最后統(tǒng)一輸出。這個(gè)順序是有講究的。水印過濾必須放在列檢測之前因?yàn)樗⊥ǔM跨多欄或者獨(dú)立于欄結(jié)構(gòu)不先刪掉會(huì)干擾列投影。列檢測需要干凈的文字分布否則水印的“中央大字”會(huì)讓投影直方圖出現(xiàn)偽欄位。流程圖我不用畫了直接看代碼結(jié)構(gòu)更實(shí)在。6.2 核心代碼從頁面到干凈文本import fitz from paddleocr import PaddleOCR class PDFParser: def __init__(self): self.ocr PaddleOCR(use_angle_clsTrue, langch, show_logFalse, ocr_versionPP-OCRv4) def parse_page(self, page): text page.get_text(words) if not text: page_pix page.get_pixmap(dpi150) page_pix.save(temp_page.png) ocr_data self.ocr.ocr(temp_page.png, clsTrue) words self._ocr_to_words(ocr_data) else: words self._words_to_struct(text) words self._filter_watermark(words, page) columns self._detect_columns(words, page.rect.width) reordered self._sort_by_columns(words, columns) return self._to_text(reordered)這段代碼故意寫得精簡重點(diǎn)在函數(shù)之間的銜接。每一個(gè)函數(shù)就是你前面看到的核心邏輯。如果你想一次性跑通還需要補(bǔ)_ocr_to_words和_words_to_struct兩個(gè)轉(zhuǎn)換函數(shù)把 OCR 輸出或 PyMuPDF 輸出統(tǒng)一成(x0, y0, x1, y1, text, page_id)的結(jié)構(gòu)。統(tǒng)一結(jié)構(gòu)是整條流水線最重要的設(shè)計(jì)決定它讓兩種數(shù)據(jù)源可以共用后面的水印過濾和列檢測邏輯。6.3 質(zhì)量評(píng)估怎么知道自己做對(duì)了解析完不等于解析對(duì)必須有一個(gè)可以量化的評(píng)估辦法。我常用三個(gè)指標(biāo)。第一是“閱讀順序還原率”隨機(jī)抽 20 頁人工看重排后的文本流統(tǒng)計(jì)連續(xù)語義片段正確拼接的數(shù)量占比。第二是“水印殘留率”檢測最終文本里是否還包含已知水印詞比如“機(jī)密”“DRAFT”等出現(xiàn)次數(shù)除以總頁數(shù)理想情況是接近 0。第三是“切塊語義完整性”把重排文本切塊后讓檢索系統(tǒng)跑一組預(yù)置問題人工判斷召回內(nèi)容里是否出現(xiàn)“一句話被硬生生截?cái)唷钡膲K。我還會(huì)做一個(gè)更粗暴的端到端測試用同一個(gè)文檔解析結(jié)果去做 RAG 問答分別對(duì)比解析前和解析后的答案質(zhì)量。如果修復(fù)解析后答案的引用片段明顯更完整就說明 bbox 這一層的功夫沒有白花。這個(gè)測試看起來不嚴(yán)謹(jǐn)?shù)珜?duì)業(yè)務(wù)方最有說服力。7. 常見問題與排查實(shí)錄這節(jié)把我在實(shí)戰(zhàn)里遇到的高頻問題整理成速查每個(gè)問題都附上我當(dāng)時(shí)的排查過程和最終解決方案。7.1 表格、首行縮進(jìn)和浮動(dòng)塊的誤判表格是多欄檢測的頭號(hào)干擾項(xiàng)。一個(gè)三列寬的表可能會(huì)被誤判成三欄但表格內(nèi)部橫向關(guān)系比列更重要。我的處理辦法是在列檢測之前先用 pdfplumber 或者 PyMuPDF 的find_tables()識(shí)別表格區(qū)域把表格 bbox 整體摳出來不參與列投影。等到文本重排完成之后再把表格內(nèi)容按單獨(dú)的結(jié)構(gòu)追加到文本流里。這樣既不會(huì)破壞正文的欄位邏輯也不會(huì)丟失表格語義。首行縮進(jìn)也很坑。中文論文常見首行縮進(jìn)兩個(gè)字符但 bbox 計(jì)算的是詞框縮進(jìn)會(huì)讓每一行的開頭 x 坐標(biāo)參差不齊。如果我的行合并邏輯只看 x0就會(huì)把縮進(jìn)造成的小位移誤當(dāng)成另起一行。解決辦法是放寬行合并閾值只看 y 坐標(biāo)是否接近不要求 x0 嚴(yán)格單調(diào)。這點(diǎn)在build_text函數(shù)里已經(jīng)體現(xiàn)。7.2 中文與英文混排中的 bbox 差異中英文混排是另一個(gè)容易翻車的場景。中文詞檢測依賴分詞結(jié)果PyMuPDF 的get_text(words)對(duì)中文往往會(huì)把整句當(dāng)作一個(gè)“詞”這會(huì)導(dǎo)致 bbox 很大造成列投影和行合并的偏差。我剛碰到這個(gè)問題時(shí)也懵了為什么有些頁面重排后列檢測總是多出一欄查了半天才發(fā)現(xiàn)某段中文長句的 bbox 橫跨到了旁邊的欄把欄間空洞堵住了。解決辦法有兩個(gè)一是用get_text(dict)按 span 提取因?yàn)?span 是按字體和樣式切分的中文 span 通常更合理二是對(duì)中文文本先不做詞級(jí)處理直接按行級(jí) bbox 走列檢測。實(shí)踐下來第二種更穩(wěn)畢竟對(duì)中文來說行才是排版的基本單元。7.3 性能問題與緩存經(jīng)驗(yàn)2000 篇 PDF 動(dòng)輒幾千頁每頁都跑 OCR 的話時(shí)間成本很嚇人。我一開始沒做緩存結(jié)果同一批文件反復(fù)解析了好幾遍CPU 全被吃掉。后來我加了一層緩存以 PDF 文件的哈希值和頁碼為 key把解析出來的 clean text 存成 JSON。第二次解析時(shí)直接讀取緩存只有當(dāng) PDF 文件變化時(shí)才重新跑。另外OCR 對(duì)低 DPI 圖片的識(shí)別率會(huì)驟降但也別盲目上 300 DPI因?yàn)殇秩緯r(shí)間和顯存占用會(huì)成倍增長。我實(shí)測 150 DPI 對(duì)大多數(shù)掃描件已經(jīng)夠用只有字體小于小五號(hào)或者圖片模糊的才需要提升到 200 到 300。處理時(shí)按頁釋放對(duì)象避免內(nèi)存被幾十張大圖撐爆。8. 實(shí)操體會(huì)與擴(kuò)展思路我在實(shí)際項(xiàng)目里最深的體會(huì)是RAG 的文檔解析質(zhì)量不取決于用了多強(qiáng)的模型而是取決于有沒有認(rèn)真對(duì)待 bbox 這類基礎(chǔ)信息。很多團(tuán)隊(duì)把大量精力花在調(diào) embedding 模型上卻忽略了文本源頭已經(jīng)亂成一團(tuán)。embedding 再強(qiáng)也救不了順序錯(cuò)亂的字符流。關(guān)于后續(xù)擴(kuò)展我認(rèn)為這套 bbox 思路還能往幾個(gè)方向深挖。第一結(jié)合版面模型把標(biāo)題層級(jí)抽出來給切塊提供結(jié)構(gòu)化上下文讓 RAG 的召回具備更細(xì)的段落邊界。第二把水印過濾和“圖像敏感區(qū)域”檢測結(jié)合在解析時(shí)直接屏蔽含審核敏感信息的區(qū)域減輕下游合規(guī)壓力。第三把多欄重排和表格識(shí)別整合成流水線算子封裝成服務(wù)每次解析結(jié)果都輸出一份帶 bbox 的 JSON 文檔方便調(diào)試和回放。最后再分享一個(gè)小技巧很多問題頁面不要急著加復(fù)雜模型先用 bbox 畫框把每頁的真實(shí)版面看一遍。頁面上一個(gè)不起眼的邊注、一個(gè)跨欄表格、一段被手動(dòng)旋轉(zhuǎn)的文字都會(huì)讓規(guī)則失效。你用視覺排查一次比讀十次文檔都管用。先把絕大多數(shù)常規(guī)頁面穩(wěn)定處理好再把異常頁面列入慢速兜底通道這套工程思路比一上來就追求“萬能解析”要?jiǎng)?wù)實(shí)得多。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
影音先锋91| 播五月婷婷开心| 婷婷成人综合| 亚洲综合婷婷| 99re视频在线播放| 99久久高清视频| 婷婷五月综合在线| 五月天婷婷7米| 国产67194| 第四色在线观看| 天天插天天爽| 99九九精品视频| 91九色在线| 久久综合五月天激情小说网站| 五月丁香综合中文| 思思热视频| 五月丁香在线观看99| 亚洲激情在线| 婷婷开心激情| 99色热视频| 丁香五月激情视频在线| 五月丁香无码| 看全色黄大色大片| 久久人妻视步| 成人婷婷色五月天| 五月婷婷 欧美| 涩丁香| 成人一级片| 亚洲五月天婷婷综合| 99久热在线精品| 成人视频免费观看高清完整版在线观看| 丁香五月欧美激情| 天天综合五月| 日韩在线一级| WWW.桔色成人.COM| 99在线精品视频| 色宗合久久五月婷婷| 激情综合无码| 激情综合无码| 欧美日韩999| 亚洲人人操| 97caop| 婷婷激情五月| 夜精品无码A片一区二区蜜桃| AV在线观看网站| 久久99热这里只有精品| 色婷婷丁香五月天在线观看| 日日操天天| 婷婷久久六月天| 五月婷婷深深的爱| 中文字幕丰满乱孑伦无码专区| 久久久久久久久久91| av网站免费在线| 伦乱天堂| 亚洲成人网站在线播放| 激情综合网激情五月天| 婷婷黄色五月| 五月天丁香综合在线| 亚洲情综合五月天| 日本综合九九| 在线免费观看激情视频| 视频1区2区| 天天肏天天肏| 高清av在线国产| 久久9热好| 五月开心网| 丁香五月婷久久| 天天色丁香| 日韩99视频| 色射婷婷五月天| 五月丁香网站在线播放| 国精产品一区二区三区| 人人摸人人搞| 伊人激情啪啪| 综合激情五月天| 91色久| 996er热| 日本三级大片| 97caop| 欧美性生交XXXXX无码小说| 99精品热| 久久综合性| 99热99美国在线观看| 五月天婷婷在线观看| 天天操天天日天天操| 六月婷色六月| 亭亭五月色男人| 日日夜夜久| 欧美性丁香色色五月天干干| 依人大香蕉| jiZZdr| 丁香五月综合| 亚洲av成人一区二区电影在线| 五月色亭丁香| 99免费综合网| 99热在线观看这里只有精品| 五月丁香福利| 国产精品天天狠天天看| 艹天天射| 色婷丁香五月| 99久在线精品99re8| 国产精品美女| 久久久亚洲精品一区二区三区浴池| 久久9情免费| 超爽内射| 成人色情五月天婷婷丁香| 午夜电影网VA内射| www色色色com| 91狼友视频网页更新| www狠狠爱com| 色情·com| 亚洲九九99精品视频在线播放| 婷婷五月天狠狠搞干| 视频一二区| 色色婷| 另类图片五月天婷婷| 欧美激情凹凸丁香网| 激情五月婷婷丁香| 久草热久草在线视频| 第四色色六月色综合| 91久久色| 婷婷五月精品中文字幕| 狠狠干五月天| avh片在线观看| 日韩在线99| 五月婷婷就去色| 人妻操逼视频| 国产精品天天狠天天看| 久久三级视频| 婷婷五月天美女21p| 人人97碰| 一区二区传媒视频| 丁香亚洲婷婷五月| 99色综合| 日本操碰碰| 99福利视频| 狠狠综合网| 欧美交换配乱吟粗大25P| a毛片二逼wwwwwwwwww| 九九热这里只有精品5| 亚洲色涩视频| 国产91视频| 99综合色色色| 国产精品天天狠天天看| 婷婷五月丁香综合亚洲| 久久人妻人人| 丁香99| 蜜臀A∨在线水帘洞| 永久精品| 国产亚洲99久久精品熟女| 日木狠狠干| www.狠狠| 超级碰 久久9| 99热只有这里才是精品| 婷婷色情 | 91操片| 四月婷婷丁香五月| 中文字幕在线不卡视频| 无码任你操| 久久精品99国产精品日本| 九热视频在线精品15| 婷婷六月天亚州| 色色99| 色婷婷久久综合| 久久色这里只有精品| 精品一二三区久久AAA片| 色婷婷狠| www热久久yy9| 91色涩| 强伦轩人妻一区二区电影| 热91久| 亚洲综合激情五月天婷婷| 日本在线视频播放91| 9999热在线| 天天网站天天爽| 日本色频| 99精品视频免费观看| 成人一级片| 99热天堂| 婷婷精品视频| 久久色情| 亚洲99在线视频| 二色av| 五月天激情黄色小说在线观看| 天天狠狠夜夜狠狠2023| 97九色视频| 日日噜噜夜夜狠狠久久丁香六月| 丁香五婷婷| 伊人在线视频| 99亚洲精美视频在线观看| 五月天激情在线视频| 播播网色播播| 色综合播放| 国外亚洲成AV人片在线观看| 人人天堂操| 国产精品久久久久9999小说| 五月婷婷开心综合| 日本一级大片| 99热这里只有精品22| 五月天大香蕉| 久久久久久久久久久-久五月天婷婷| 久色成人| 日韩无码系列| 97人人射| 婷婷六月插屄激情| 伊人成综合五月婷婷| 日本 @ va 免费| 开心五月深爱五月丁香五月激情五月| 99啪视频在线观看| 九九RE视频在线精品| 婷婷激情五月| 日本在线播放97| 深爱激清网| 国产亚洲色婷婷久久99精品9j| 五月色丁香| 亚韩在线视频| 蜜乳久AV| 色色色婷婷五月天| 激情网狠狠干| 五月丁香色色色| 天天操综合网| 99re这里只有精品9| 九九热精品| 色六月天| 激情六月婷婷| 三日本无码| 五月丁香花视频| 只有精品视频在线观看| 婷婷综合国产| www.色综合| 激情综合网之激情五月| 亚洲成片在线观看| 五月丁香色综合| 色婷婷五月天天天干天天操天天爽 | 久热无码| 欧美婷婷色五月网| 丁香九月婷婷| 五月丁香婷婷五月| 五月视频日本免费观看| 99狠狠操一| 99久久a线观| 久久婷婷原创视频| 色色网站在线| 五月亭亭狠狠| 色五月五月天| 久热99| 欧美性猛交 XXXX 乱大交| 日日舔夜夜操| 九九精品在线视频观看| 免费成人网在线观看| 色综合天天综合成人网| 激情都市丁香婷婷| 婷婷激情五月综合丁| 人人97碰| 精品动漫 无码av| 99热自拍| 色色色色综合网| 婷婷色五月色妇| 婷婷涩涩五月天| 免费观看的av| 天天操婷婷| 超碰AAAAAAV| 99re视频在线| 99久久超级| 国产操碰| 日本爆乳片手机在线播放| 天天插夜夜爽| 激情婷婷五月亚洲| 久99视频在线观看| 免费人人操| 亚洲成人AV高清字幕| 99综合在线| 五月婷婷激情久久| 丁香六月婷婷综合网| 婷婷五月天成人网| 五月激情综合网| 五月天五月色| 人人人人人人人人人草| 丁香六月婷月91婷月| 日韩淑女人妻luan伦激情精品一区二| 熟妇高潮一区av| 91一起操| www.久久| 99热老网站| 激情小说视频图片| 国产婷婷五月在线视频| 日日艹思思热| 人人操人av| 激情婷婷丁香五月| 美女要搞搞天天搞搞搞网站| 秋霞午夜理论| 思思久久精品视频| 婷婷另类开心| 狠狠色综合777| 丁香五月激情宗合网| 99久久終合| 老师高潮流白浆喷水的A片| 99在线免费观看| 狠狠爱综合| 日韩高清成人| 九月婷婷综合| 五月天社区| 99精品在线播放| 丁香六月综合激情| 26uuu亚洲| 日韩九区| 五月色综合| 五月婷在线| 91一起操| 狠狠999| 这里只有精品,日韩视频| 久热无码| 狠狠人人| 99aese| A√天堂网在线| Av大香蕉| 日韩在线一级| 久久久香| 激情六月丁香综合| 激情婷婷另类| 人妻久久久久久久| 亚洲成人一区| 中文字幕人妻熟女在线| 99热久久这里只有精品| 色久一| 婷婷五月激情综合网| AV网在线| 激情综合色婷婷啪啪六月天| 国産精品| 色婷婷XXXXX| 9l视频自拍9l九色成人| 狠狠色婷婷7777久| 五月天激情在线视频| 中文字幕+乱码+中文字幕在线观看| 99久久这里只有精品免费官网| 五月亚洲激情| 久久综合丁香激情五月| 精品激情| 69凹凸成人综合网| 久久99网址| 色五月激情视频在线综合| 五月天六月丁香| 天天干天天操天天爱| 涩涩涩五月天| 日韩久久色| 天天综合网在线| 亚洲亚洲人成综合网络| 丁香久久九九99| 九九精品99| 五月香婷婷| 免费无码毛片一区二区A片| 五月婷婷久久大片| 黄色AV日韩| 5月婷婷性视频| 99色亚洲| 黑人糟蹋人妻HD中文字幕| 影音先锋 萱萱| 51XX嘿嘿午夜无码| 熟女五月天久久综合| 五月综合无码| 香蕉综合网| 丁香五月婷婷久久久| 啪啪激情综合| 国语精品探花| 能看的AV| 五月婷婷黄网站大全| 另类A片| xx色综合| 激情综合九月| 色九九九综合| 婷婷五月俺要去| 五月天综合婷婷| 性爱视频99| 万月丁香狠狠爱| 丁香五月婷婷激情网| 婷婷免费无视频| 久色国产| 噼里啪啦完整版中文在线观看| 日本情色一区二区| 激情久久天天| 国产色色视频| 亚洲午夜电影| 人。妻久久| 婷婷99狠狠| 97超喷视频在线观看| 性爱先锋AV| www,av好吊操| 中文字幕有多少字| 五月丁香婷婷在线综合蜜桃| 日韩操逼大片| 色99免费视频中文| 天天日天天日天天搞| www婷婷| 九九热91| 五月丁香欧美综合免费视频| 国产成人网| 久久婷婷内射| 亚洲色婷婷五月天| 欧亚中文A V| 色视五月天婷婷| 色五月婷婷在线| 久久新| 中文字幕av久久爽| 99色热视频| 99热只有| 99热伊人| 色婷丁香| ww久久| 性综合网| 色婷婷色综合激情91| 人人操人人爱丁香五月| www.狠狠操| 色婷丁香| 天天操天天曰| 中文字幕成人| 丁香五月影视| 91人人操人人爱| 五月天色婷婷成人| 丁香五月婷婷av影院| oumeisesewang| 婷婷五月情| 五月丁香啪啪啪综合网| www.99热这里只有精品| 久久精品一区二区三区四区| 婷婷五六日| 日本色色色| 超碰超碰在线| 99久.| 一本久道综合99| 丁香5月婷婷| 超碰狠狠干99| 五月婷婷丁香在线视频| 九月婷婷在线观看| 人人操AV| 五月丁香久久综合色| 思思热精品在线| 绿色小导航AV| 五月丁香亭亭操逼| 婷婷她六月天| 国产又粗又大又爽又黄| 日逼免费视频 | 欧美啪啪9| Caoporn公开| 色XX综合网| 1024AV视频| 99er在线观看| 狠狠干最新地址| 天天天天天操| 六月丁香婷婷尤物| 人妻熟人中文字幕一区二区| 五月婷婷激清网| 日韩AV在线电影| 六月激情久久| 日韩成人电影AV| 五月天.com| 色五月久久成人婷婷| 久99| 五月婷在线播放| BlACKEDRAW视频一区二区| 色J香五月天| 97碰免费精采视频| 99免费在线视频| 亚洲激情网站无码| 九九热99在线视频| 色婷婷视频在线| 免费国产VA国产免费| 男女啪啪做爰高潮无遮挡| 这里只有精品视频一区| 激情六月天婷婷| 99久久婷婷| 丁香婷婷啪啪啪| 玖玖婷婷色| 翔田千里 50岁 无码| 高清不卡一区| www.zbzhongsen.com| 99久久er| 婷婷五月天激情小说| 国产做A爰片毛片A片美国| www色五月天| 成人电影在线免费试看| 自拍偷窥99热| 色婷婷六月天在线| 欧美性二区| 中文字幕人成乱码在线观看| 2025天天日爽| 五月天色综合服务平台| 婷婷丁香色情| 中文字幕不卡网站| 第五色婷婷| 欧美婷婷五月天综合| 中文AV在线观看| 日韩精品AV一区二区三区| 在线观看中文字幕| 99精品视频在线6| 亚洲免费电影2| 91久久婷婷| 五月婷婷视频在线观看| 亚洲 25P| 99热老网站| 美女视频图片久久91| 亚洲情欲| 色色热| 日韩av干| 六月婷婷六月天天在线免费| 婷婷丁香成人五月天| 色色国产| 伊人啪啪网| 五月丁香色六月激情干大屄| 欧美日本VA| 亚洲av无码影院| 中国女人做爰A片| 任你搞网站| 日日艹思思热| 狠狠艹狠狠艹| 97操碰碰无码视频| 天天在线XXX| 午夜 外网 精品 在线| 欧美图片丁香五月天| 婷婷丁香五月在线观看91| 丁香啪啪| 丁香五月天视频| 91激情五月开心| 五月婷婷二月丁香| 婷婷五月天第四色| 婷婷五月蜜桃成人桃色丁香| 91狠狠综合久久| 精品人妻一区二区三区四区不卡在| 4399人妻无码久久久| 狠狠艹狠狠艹| 丁香六月视频免费观看| 九九久久免费视频44| 开心婷婷五月激情网小说| 性爱综合网| 激情綜合網址| www.天天干| 亚洲视频码| 五月天婷a| 亚洲欧洲中文日韩久久AV乱码| 中文精品久久久久人妻不| 日本激情91| 丁香六月婷婷色播| 天天综合精品| 国产精品国产| 久久狠狠干| 夜色综合网| 五月天婷婷成人| 亚洲AV日韩AV永久无码网站| 色综合色综合网| 9久久狠狠的| 久热这里精品免费| 91干婷婷| 久久久99婷婷久久久久久| 婷婷五月情| 九月av在线| 五月婷婷在线视频观看| 99热热这里只精品996小说| 色综合天天| 五月婷婷九九热| 中文av网| 日本激情91| 伊人久久婷婷| 国产乱码久久| 97香蕉碰碰人妻国产欧美| 五月婷婷色播视频| 8090在线影视少妇| 婷婷五月综合视频| 丁香视频| 91婷婷| 99re66热这里只有精品| 国产69久久久欧美黑人A片| 婷婷五月天com| 午夜成人av在线| 日韩五月丁香| 五月婷婷亚洲色图| 五月婷婷丁香综合| 五月婷婷五月丁香综合| 久久无码成人| 97色色色色色| 亚洲、欧美、国产另类笫二区| 99久re热视频精品98| 五月天国产成人| 超碰在线免费观看日韩| 色欧洲| 久久久久久久97| 99热成人| 人人草人| 欧美99热| 天久综合91综合首页| 91啪级电影| 婷婷色资源| 玖玖婷婷色五月| 五月婷婷在线丁香| 九九热123| 夜夜骑天天操| 18av天堂| 色综合色色色色色色综合| 99热这里都是精品| 五月色情婷婷| 一级黄色片看看| 色女人久久| 综合婷婷六月| 丁香五月九九| 99久久综合网| 激情五月婷婷丁香| 99色这里| 色色综合热| 99精品久久| 永久99免费视频网站| 夜色爱爱亚洲| 精品久久人妻| 丁香婷婷深情五月亚洲| 无码yw| 欧美美女视频| 五月天婷婷色色网| 久久婷出差欧美色两性综合网| 大地9中文在线观看免费高清| 99看片| 婷婷的激情五月| 99久久高清视频| 欧美精品18| 91色情播放| 色~性~乱~伦~噜| 欧美顶级少妇做爰HD| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 51成人| 日日夜夜干| 天天日天天插| 九九久久五月天综合伊人| www.91在线观看| 专区无日本视频高清8| 人人摸人人澡人人| 日日干干天天干| 丁香五月日韩| 日逼影音先锋AV男人资源站| 人妻熟妇国产精品| 99热官网精品在线| 五月色无码| 先锋资源91| 琪琪色五月婷婷老师| 日韩999| 日批在线看| 婷婷亚洲影院| 综合www色| 久久AAAA片一区二区| 99热老网站| 婷婷五月花丁香| 五月丁香六月欧美综合| 久热久re| 婷婷五月丁香激情| 狠狠色丁香| 日本一毛片| 五月丁香激情婷婷| 国产精品-91JQ就要激情网91JQ6.91JQ27.CASA:16888 | 五月丁香六月婷婷不卡免费无码| 亚洲精品99| 狠狠色噜噜狠狠狠狠狠色综合久久| jiZZdr| www.99热这里只有精品| 天天干夜夜b| 亚洲九区| 爆乳熟妇一区二区三区爆乳| 1024久婷| 97碰碰叉| 玖玖爱伊人网| 激情五月天视频| 亚洲网站999| 九九热只有精品| 综合激情网| 色色无码日韩| 日韩一级片| 五月丁香久久呀| 亚洲五月天色色| 9精品久久999| 色爆五月| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 大香av| 综合色视频| 色播激情| 午夜福利成人AV91| 丁香9月婷婷| 九月婷婷人人操人人舔人人爱| 天天干天天拍| 婷婷99狠狠| 九九精品热| 操91| www.夜夜操| 久9久9久9久9久9久9| 九月av| 日本3级片一区2区| 婷婷大乡焦噜噜| 99热亚洲| 婷婷内射视频在线| 人妻激情综合| 久操婷婷| 亚洲第一第二网站| 丁香五月激情婷婷| 丰满老熟妇BBBBB搡BBB| 成人无码髙潮喷水A片| 国产乱人偷精品人妻A片| 日本熟妇乱妇熟色A片蜜桃| 最新高清无码专区| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 黄色99视频| bbwcuckold精品熟妇| 亚州欧美国产久精国产99综合视频| 天天爱天天日| 9久久精品| 天天爽天天爽| 五月色情| 黄色av高清| 91热久| 婷婷久久婷婷| 991国产精选视频在线播放下载| 久久久ww| 婷婷五月亚洲激情| 五月丁香婷婷激情| 亚洲色情网站| 91丨九色丨丰满人妖| 91Chinese在线| 天天色播| 嫩模草| 婷婷九月在线| 日韩无码专区| 色人五月婷婷| 狠狠色婷婷777| 99视频只有这里精品| 亚洲va国产va天堂va综合va| 超碰免费人妻| 五月天综合网| 国内9l视频自拍老熟女九色| 婷婷五月激情的图片| 99re热视频这里只有综合亚洲| 婷婷色色网| 天天做天天要天天爽| 婷婷五月天激情综合深爱激情| 99久操| 色五月婷婷五月丁香五月激情五月视频| 丁香五月骚喷水视频| 97婷婷五月| 婷婷午夜激情| 五月网站| 五月婷婷色啪| 草美女在线观看视频在线播放 | 狠狠干在线| 九九热99热| 99色综合久久| 九九色99| 天天干天天射综合网| 狠狠爱婷婷丁香| 在线播放成人网站| 无码一级片| 日本91在线| 综合深爱五月| 99综合免费视频| 九九综合九| 中文字幕,综合,91| 色五月丁香激情| 欧美色五月| 国产精品久久久久久久久久| 激情丁香五月AV| 五月天婷婷日日爱| 丁香美女主播视频在线观看| 99热1| 在线观看国产高清视频免费网站| 99啪在线| 99啪啪视频| 伊人丁香婷婷东京| 色婷婷亚洲六月婷婷中文字幕| 久色资源| 伊综合蕉| 丁香六月婷婷五月天| 五月丁香六月婷婷无码| 午夜一区| 婷婷五月在线影院| 色婷五月| 五月丁香偷拍| 超碰狠狠干99| 97色婷婷| 激情五月天偷拍综合网| 婷婷五月天综合网| 国产九九一区二区三区| 五月丁香六月婷婷综合伊人| 久久久18| 天综合日日夜综合7799| 国产寻花在线| 97在线综合| 狠狠狠狠青草| 噜噜噜噜在线| 色色激情五月天| 欧美在线看| 五月丁香六月婷婷开心网| 欧美激情综合| 操久久网| www.99热在线| 九九精品免费视频99| 一区二区中文字幕| 久久久www| 五月综合丁| 国精产品一区二区三区| 天天天天干| 综合啪啪| 五月婷婷黄色毛片| 欧美天天性| 久久综合五月天| 六月99天天婷婷激情综合| 九九干视频| 一本久久婷婷| 另类小说婷婷色| 亚洲中文字幕av| 亚洲区视频| 婷婷五月免费视频| 丁香花五月天婷婷成人社区 | 91超碰人人操| 色婷婷网| 五月丁香啪啪啪综合网| 99久久精品国产色欲| 亚洲精品午夜国产va久久成人| 青草视频在线播放| 五月婷成人网| 开心激情网五月天| 在线中文av| 九九亚洲综合| 五月婷婷视频| WWW激情五月天| 国产乱妇无乱码大黄AA片| 激情综合网络插| 1024国产| 久久久久激情| 色婷婷丁香| 婷婷激情九月| 日本在线视频www色| 综合网色综合| 五月天桃色深爱网| 热九九九九| 天天干天天干天天操| 色色草97| 五月色精品| 超碰在线网站9| 日日激情网| 国产性爱大片久久| 天天拍天天做视频| 五月开心播播网| 亚洲性图一区二区| 97婷婷五月| 色停停五月天| 激情图片婷婷丁香五月| 亚洲综合另类| 丁香五月婷婷色偷偷| 五月天成人综合| 91色在线 | 日韩| 亚洲精品视频电影| 九九热中文| 国产激情综合五月久久| 色色色99韩| 日本4399天堂中出| 人人草人人视| 免费V片在线| z色五月播播久久| 九九热大香蕉| 开心深爱激情网| 中文字幕在线播放视频| www.色婷婷| 久久五月丁香六月婷| 任你躁XXXXX麻豆精品| 伊人久久丁香婷婷六月五月综合| 久久资源综合| 色欲天天综合| 婷婷丁香五月天在线视频| 99久久婷婷精品视频| 五月天激情丁香| 色五月天激情| 国产AV影片| 五月亭亭直播| 婷婷精品免费久久| 午夜天堂一区人妻| 国产婷婷五月天| 婷婷激情97| 爽极品色| 天天婷婷操| 99∨VTV| 91操片| 99热这里是精品| 蜜臀九九九九| 久草五月天| 色色色色色色色色网站| 亚洲狠狠狠色婷婷综合激情久久久| H亚洲| 久久免费操| 日本人妻丁香婷婷久久寝取熟女五月| 97操资源婷婷| 嫩草视频在线观看| 夜夜人妻五月天| 99热在线播放精品| 二色AV| 日日夜夜噜噜爽爽| 一月婷婷色色| 开心五月深爱五月| 色综合激情| 99热主页日本| 666555。COm毛片| 亚洲激情精品| 婷婷五月天综合久久| 婷婷五月天av| A A色色| 天天综合五月天| 天天干天天做| 丁香五月天之婷婷影院| 青青操avbb| 久久码久久无清| 激情五月天网站| 五月丁香五月婷婷在线观看| 成人精品一区二区三区四区五区| 久久一伦| 国产精品人成A片一区二区| 色五月色五天免费视频| 丁香六月av| 色99色| 五月停停大香蕉| 91精品久久久久久| 玖玖热视频| 亚洲色婷婷色| 99久久精品色老| 99热最新国内| 婷婷色综合| 五月丁香成年黄色| 深爱五月日韩| 综合亚洲五月天| 五月丁香久| 爱iii做iiii日日| 色婷五月天| 欧美日韩123| 五月丁查人人| 天天做天天爰天天爽天天无遮挡| av在线激情| 色五月激情图片| 国产熟妇的荡欲午夜视频| 色九月婷婷综合| 丰满熟女人妻一区二区三| 九九免费视频在线| 五月丁香香蕉| 五月天婷婷久草丁香| 国产99久| 国产伦亲子伦亲子视频观看| 五月丁香狠狠爱| 婷婷性福五月天| 99re在线这里只有精品视频首页| www.狠狠操.co m| 五月色色色| av在线不卡播放| 婷婷五月丁香四射| 亚洲亚洲人成综合网络| 成人丁香| 久久女人天堂| 色偷偷色婷婷| 婷婷六月色播| 夜夜爽日日躁| 丁香香五月激情免费视频| 婷婷色导航| 人人综合久| 69精品人妻不卡视频| 日本三级99人妇网站| 综合天堂AV久久久久久久| 五月丁香啪| 久久天天| 噜噜五月天综合| 婷婷五月天激情综合| 九九亚洲无码| 色婷婷影| 黄色五月婷| 色婷狠狠| YW无码| 变态另类色图| 九九精品丁香花| 丰满少妇乱A片无码| 国产成人网| 色婷婷影视| 久久婷婷影院| 婷婷五月天丁香| 亚洲色婷婷| 99综合| 色五月首页| 天天日天天色| 九九Av| 99网| 国产精品久久久久久久久久久久| 人妻体体内射精一区二区| 1024人妻| 天天色播| 丁香五月婷婷啪啪| 疯狂做受XXXX高潮A片| 丁香五月影院| 性爱综合网| 啪啪综合网| 国产乱子轮XXX农村| 五月丁香婷婷钟和色图| 五月丁香综合色婷婷| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 亚洲人人操| 噜噜色五月| 色色激情网| 天天日天天色| 欧美性猛交 XXXX 乱大交| 久久精品无码一区| 91色综合久久| 超碰色女人| 亚洲四色五月| 中文资源在线a | 天堂综合久久| www.五月婷婷久久.com| 五月丁香777| 九九在线精点品| 欧美丰满熟妇BBB久久久| 国产AV熟妇人震精品一品二区| 五月婷婷丁香日韩在线| av五月天婷婷丁香| 久久婷婷资源| 五月丁香久久呀| 久久激情综合| 综合在线丁香五月| 这里只有免费的精品| av操一操| 99在线免费视频| 色婷婷色99国产综合精品| 欧美日韩精品人妻狠狠躁免费视频| 久99999热视频在线观看免费| av在线免费播放观看| 色色色在线观看| 婷婷综合激情| 26uuu欧美亚洲日韩| 99热这里只有免费精品| 欧美激情综合色综合啪啪五月| www.99视频| 五月婷婷香蕉| 97超喷视频在线观看| 99九九热在线观看| 国产xxxxx在线观看| 五月婷婷黄色视频| 啪啪操超碰| 五月婷婷六月爱| 色五月婷婷丁香五月| 五月丁香亭亭操逼| 国产成人一区二区三区在线观看| 欧美久久久中文字幕| 五月天天堂久久| 蜜桃婷婷丁香五月天狠狠久久综合| 热99这里只有精品视频| 性天天中文网| 久久99综合网| BBWCUCKOLD精品熟妇| 97人妻人人| 久久综合这里只有精品1| 色婷五月| 亚洲在线资源| 怡红院AV亚洲一区二区三区H| 97操碰在线视频| 深爱五月激情网| 色色色色色网| 久草大| 亚洲深喉aV| 伊人久久大香线蕉av最新| 69午夜成人影片| 五月丁香好婷婷A片网| 搡BBBB搡BBB搡18| 97在线/亚洲| 五月天自拍网| 狠狠爱婷婷爱| 五月丁香六月片| 色九月婷婷综合| 色五月婷婷av| 婷婷精品综合| 婷婷五月天激情网| av操一操| 五月天六月天| 五月天婷综合| 男人大jjc女人免费视频| 欧美色99| 九九精品视频在线观看| 亚洲色五月天| 欧美婷婷丁香五月| 天天久久综合| 超碰人人色| 青青草五月天| 五月婷婷伊人网| 97操操| 综合久久激情久久| 九月丁香婷婷综合激情| 婷婷六月综合基地| 99爱在线视频| 一区二区乱码视频| 五月丁香基地| 免费看欧美成人A片无码| 91青娱乐青青草| 天天做天天摸| 大香蕉婷婷色| 美国不卡视频| 天堂草在线观| 狠狠狠狠狠狠| 中文字幕在线免费观看视频| 五月亚洲| 婷婷久久色五月婷婷久久久| www.婷婷五月天.com| 丁香婷婷影院| 超碰妻人人| 狠狠色丁婷婷日日,伊人激情综合网 | 久久婷婷啪啪视频| 亭亭五月丁香五月天激情| 黄色片久久| 欧洲亚洲免费视频区| 婷婷久久亚洲| 色噜久| 99热免| 丁香色婷婷色手机免费在线| 婷五月天在线草| 色色五月婷婷| 99久热在线精品| 99热这里只要精品免费| 怡红院AV亚洲一区二区三区H| 欧美五月丁香在线| 久久精典| 中文字幕精品在线观看| 91午夜激情| 超碰在线91| 九九精品热播| 色婷婷激情| 99热97美女| 色丁香久综合在线久综合在线观看| 九九无码| 狠狠草天天草| 五月丁香视频在线观看| 久操激情| 激情黄色小说色五月| 五月丁香婷婷综合久久| 九九超碰人人| 99热官网精品在线| 五月停亭久久电影| 深爱激情网五月天| 五月婷婷性爱网| 伍月婷婷六月丁香| 婷婷色色亚洲| 99九九视屏| 国产毛片操B| 六月丁香影院| 五月做爱| 久久婷婷五月免费视频| 天啪天啪天啪天啪| 韩国激情五月天综合网| 9超碰在线| 婷婷久久丁香| 天天肏天天肏天天肏| 五月天婷综合| 97五月婷婷| 五月天婷婷影院影院观看| 亚洲综合成人网站| 991精品在线视频| 黄色激情久久| 噜噜噜狠狠色综合| 精品导航在线x不卡| 99国产精品久久久久久久久久久 | 噜噜在线| 99 re视频一区| 国产精品久久..4399| 丁香六月啪| 久久久久久欧美精品se一二三四| 一区二区中文字幕| 国产婷婷色综合AV蜜臀AV | 视频这里只有精品16| 国产精品成人网址| 久狠狠狠| 伊人久久大香线蕉av一区| 色婷婷久久| 天天日天天狠狠操| 精品一二三区久久AAA片| 天天情色综合网| 久久XX日本综合| 五月天激情小说欧美激情| 91一道本| 日日夜夜婷婷| 国产日日夜夜操| 久久3级片| WWW免费视频碰碰碰碰| 99日精品视频| 79精品视频在线观看,| 天天搽天天射| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 激情六月色| 色插人人| 天天噜噜| 性欧美日本| 9l视频自拍9l九色成人| 五月天中文网| 激情婷婷网| 开心激情网在线| Va另类视频| 六月激情网| 99视频精品在线| 婷婷 激情 五月| 欧美超碰亚洲| 久久9视频欧美| 亚洲视频在线观看99| 久久99网| 婷婷五月丁香综合激情| 成人五月天丁香| 丰满少妇猛烈A片免费看观看 | 激情色情五月天| 9l视频自拍9l九色成人| 激情五月天在线| www.五月婷| 综合五月天| 婷婷五月天干干| 婷婷五月天久久综合88| 色色啊| 97人人操人人拍| 久久综合激情| 五月婷婷综合色拍| 久久久久8888| 国产精品久久久爽爽爽麻豆色哟哟| 婷婷成年人免费视频| 亚洲五月天,激情视频| 狠狠婷婷综合| 97精品综合久久| 九九无码视屏| 五月天堂色| 丁香五月色情av| 五月激情六月宗合| 丁香五月婷婷动漫| 玖色色综合| 人妻AV中文系列| 日日夜夜狠狠| 久久996re热这里只有精品无码| 日本久碰| 99九九精品| 亚洲人妻电影| 美女丁香五月天| 色色五月丁香婷婷综合| 久久怡红院| 五月天久久综合婷婷| 狠狠999| 亚洲九九婷婷| 国产性av| 色色色色色色色色网站| 啪啪亚洲综合| 六月丁香花婷婷| 丁香五月激情综合婷综| 蜜桃成语时李时珍 免费| 成人av在线网址| 婷婷开心综合人妻小说网址| 99九九在线精品热动漫| 婷婷五月丁香国产| 亚洲色久| 久热99热| 色欲久久久久| 99久久www| 天天操天天插天天射| 婷婷五月天小说| 色色亚洲| 99九九精品视频| 干婷婷五月天| 久久久久久久97| 久久婷婷资源| 亚洲综合色成丁香五月色| 亚洲视频99| 丁香五月在线播放| 开心婷婷五月中文字幕组| 99热热九九| 日本99视频| 第五婷婷伊人丁香色|