求教：是否有人用Google Document AI将PDF转DITA文件及拆分主题？

核心实现路径 #

Google Document AI本身没有直接生成DITA主题的原生功能，但可以通过「Document AI结构化解析 + 自定义逻辑处理」的组合方案满足需求，分两步落地：

第一步：用Document AI完成PDF结构化提取 #

• 选用Form Parser或Document OCR模型，提取PDF中的文本、标题层级、段落、列表等结构化信息。重点是识别文档的章节结构（如H1/H2标题、段落归属），可通过解析Document AI返回结果里的pageBlocks、paragraphs、textSegments字段区分内容层级。
• 解析后可得到类似如下的结构化数据：

  {
    "pages": [
      {
        "paragraphs": [
          {
            "text": "产品概述",
            "confidence": 0.98,
            "hierarchyLevel": 1
          },
          {
            "text": "本产品用于企业级数据管理...",
            "confidence": 0.95,
            "hierarchyLevel": 2
          }
        ]
      }
    ]
  }
  

第二步：自定义逻辑拆分DITA主题并导出JSON #

• DITA主题拆分规则：依据DITA规范（概念主题、任务主题、参考主题），结合提取到的文档结构划分主题。比如将带明确标题的独立章节作为单个DITA主题，可通过标题层级、内容类型（说明性内容归概念，步骤类归任务）判断主题类型。
• 生成独立JSON文件：将每个拆分出的DITA主题按需求封装为JSON结构（含主题ID、标题、内容、类型等字段），再逐个写入独立的.json文件。
• 示例伪代码：

  import json
  
  # 假设已从Document AI获取结构化数据parsed_data
  dita_topics = []
  current_topic = {}
  
  for para in parsed_data['pages'][0]['paragraphs']:
      if para['hierarchyLevel'] == 1:
          if current_topic:
              dita_topics.append(current_topic)
          current_topic = {
              "id": f"topic_{len(dita_topics)+1}",
              "title": para['text'],
              "content": [],
              "type": "concept"
          }
      else:
          current_topic['content'].append(para['text'])
  
  # 写入每个主题到独立JSON文件
  for idx, topic in enumerate(dita_topics):
      with open(f"dita_topic_{idx+1}.json", 'w') as f:
          json.dump(topic, f, ensure_ascii=False, indent=2)
  

技术优化建议 #

• 优先使用Custom Processor：如果你的PDF有固定格式，可训练自定义处理器精准识别DITA主题边界（如特定标题样式、章节分隔符），提升拆分准确性。
• 结合DITA规范校验：拆分后可简单校验主题是否符合DITA基本结构要求，比如每个主题是否有明确标题、内容是否匹配主题类型，避免生成无效主题。
• 处理复杂PDF元素：若PDF包含表格、图片，需在解析时同步提取这些元素的信息，并在JSON中保留对应引用或描述，确保DITA主题的完整性。

内容的提问来源于stack exchange，提问作者user3618078