Document parsing results

Headings, tables and images found in sample PDF, HWP and Word documents, shown as a document overview and page by page.

These are prepared sample documents. Their results were produced in advance, so nothing is processed or uploaded while you browse.

Quality: DP-Bench품질: DP-Bench品質:DP-Bench质量:DP-Bench品質:DP-Bench

Results on DP-Bench, the public document-parsing benchmark released by Upstage (200 pages with a human-annotated answer key). All rows are scored with DP-Bench’s official evaluation script under the same settings.Upstage가 공개한 문서 파싱 벤치마크 DP-Bench(사람이 작성한 정답지가 있는 200쪽)의 결과입니다. 모든 행은 DP-Bench 공식 평가 스크립트로, 동일한 설정에서 채점했습니다.Upstageが公開した文書解析ベンチマークDP-Bench(人手による正解データ付きの200ページ)の結果です。すべての行を、DP-Bench公式の評価スクリプトにより同一の設定で採点しています。以下为 Upstage 公开的文档解析基准 DP-Bench(200 页,附人工标注答案)上的结果。所有行均使用 DP-Bench 官方评测脚本、以相同设置评分。以下為 Upstage 公開的文件解析基準 DP-Bench(200 頁,附人工標註答案)的結果。所有列皆使用 DP-Bench 官方評測腳本,以相同設定評分。

95.73Reading order읽는 순서読み順阅读顺序閱讀順序Highest among parsers without ML modelsML 모델을 쓰지 않는 제품 중 최고MLモデルを使わない製品の中で最高不使用 ML 模型的产品中最高不使用 ML 模型的產品中最高
92.73Tables found표 찾기表の検出表格检出表格偵測Highest of all 16 parsers16개 제품 중 최고全16製品の中で最高16 款产品中最高16 款產品中最高
Parser제품製品产品產品 Reading order읽는 순서読み順阅读顺序閱讀順序NID Tables found표 찾기表の検出表格检出表格偵測F1 Table structure표 구조表の構造表格结构表格結構TEDS Cell layout칸 배치セル配置单元格布局儲存格配置TEDS-S Source출처出典来源來源
Without ML modelsML 모델 없이MLモデルなし不使用 ML 模型不使用 ML 模型
DocParses (ours) 95.7392.7391.9792.50 Measured by us직접 측정自社で測定我方测定我方測定
OpenDataLoader PDF 2.5.11 93.8454.7490.0590.97 Measured by us직접 측정自社で測定我方测定我方測定
Xpdf pdftotext 4.00 89.13——— Measured by us직접 측정自社で測定我方测定我方測定
Poppler pdftotext 26.02.0 88.72——— Measured by us직접 측정自社で測定我方测定我方測定
pdf.js 6.3.289 87.10——— Measured by us직접 측정自社で測定我方测定我方測定
PyMuPDF 1.27.2 86.21——— Measured by us직접 측정自社で測定我方测定我方測定
PDFium pypdfium2 82.35——— Measured by us직접 측정自社で測定我方测定我方測定
MarkItDown 0.1.8 79.31——— Measured by us직접 측정自社で測定我方测定我方測定
With ML modelsML 모델 사용MLモデルあり使用 ML 模型使用 ML 模型
Upstage Document Parse (enhanced) 96.6289.8395.5997.62 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
Upstage Document Parse (standard) 96.2990.6096.0697.25 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
AWS Textract 95.9768.9795.4896.99 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
Docling 2.130.0 95.5888.1490.9992.33 Measured by us직접 측정自社で測定我方测定我方測定
Unstructured (hi-res) 91.6188.7080.2689.51 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
LlamaParse 91.4454.7590.7393.20 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
Microsoft Azure Document Intelligence 87.0385.0077.8585.74 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
Google Document AI 82.1783.4678.3080.71 Published by Upstage¹Upstage 공개값¹Upstage公開値¹Upstage 公开值¹Upstage 公開值¹
How this was measured측정 방법測定方法测定方法測定方法
  • Reading order (NID): how closely the order of the text matches the answer key.읽는 순서(NID): 글자를 읽은 순서가 정답지와 얼마나 같은가.読み順(NID):テキストを読んだ順序が正解データとどれだけ一致するか。阅读顺序(NID):读取文字的顺序与标准答案的一致程度。閱讀順序(NID):讀取文字的順序與標準答案的一致程度。
  • Tables found (F1): whether the answer key’s tables were found, none missed and none false.표 찾기(F1): 정답지의 표를 빠짐없이, 잘못 찾은 것 없이 찾았는가.表の検出(F1):正解データの表を漏れなく、誤りなく見つけたか。表格检出(F1):是否无遗漏、无误检地找出标准答案中的表格。表格偵測(F1):是否無遺漏、無誤判地找出標準答案中的表格。
  • Table structure (TEDS): how closely the cells and text of a found table match the answer key.표 구조(TEDS): 찾은 표의 칸과 글자가 정답지와 얼마나 같은가.表の構造(TEDS):検出した表のセルと文字が正解データとどれだけ一致するか。表格结构(TEDS):检出表格的单元格及文字与标准答案的一致程度。表格結構(TEDS):偵測到的表格之儲存格與文字與標準答案的一致程度。
  • Cell layout (TEDS-S): the same comparison on the arrangement of cells only, without their text.칸 배치(TEDS-S): 같은 비교를 글자 없이 칸 배치만으로 한 것.セル配置(TEDS-S):同じ比較を、文字を除きセルの配置だけで行ったもの。单元格布局(TEDS-S):同样的比较,但只看单元格布局、不看文字。儲存格配置(TEDS-S):同樣的比較,但只看儲存格配置、不看文字。
  1. Commercial services: predictions published by Upstage with DP-Bench, re-scored under the same settings.상용 서비스: Upstage가 DP-Bench와 함께 공개한 예측 결과를 동일한 설정으로 재채점했습니다.商用サービス:UpstageがDP-Benchとともに公開した予測結果を、同一の設定で再採点しました。商用服务:Upstage 随 DP-Bench 公开的预测结果,以相同设置重新评分。商用服務:Upstage 隨 DP-Bench 公開的預測結果,以相同設定重新評分。
  2. TEDS and TEDS-S score only the tables a parser found, so read them together with “Tables found”. “—” marks a parser that returns text only, no tables.TEDS·TEDS-S는 찾아낸 표만 채점하므로 ‘표 찾기’와 함께 보아야 합니다. ‘—’는 글자만 내놓고 표는 내놓지 않는 제품입니다.TEDS・TEDS-Sは検出した表だけを採点するため、「表の検出」と併せて見る必要があります。「—」はテキストのみを出力し、表を出力しない製品です。TEDS 和 TEDS-S 只对检出的表格评分,需结合“表格检出”一起看。“—”表示该产品只输出文字、不输出表格。TEDS 與 TEDS-S 只對偵測到的表格評分,需搭配「表格偵測」一起看。「—」表示該產品只輸出文字、不輸出表格。
  3. “With ML models”: parsers that use trained layout, table or OCR models, or a language model.‘ML 모델 사용’은 학습된 레이아웃·표·OCR 모델이나 언어 모델을 사용하는 제품입니다.「MLモデルあり」は、学習済みのレイアウト・表・OCRモデルや言語モデルを使用する製品です。“使用 ML 模型”指使用训练好的版面、表格、OCR 模型或语言模型的产品。「使用 ML 模型」指使用已訓練的版面、表格、OCR 模型或語言模型的產品。
  4. HWP is not included, as no public answer key exists.HWP는 공개된 정답지가 없어 포함하지 않았습니다.HWPは公開された正解データがないため、含めていません。HWP 尚无公开的标注答案,因此未列入。HWP 尚無公開的標註答案,因此未列入。

By format형식별 기능形式別の機能按格式查看依格式查看

Actual output on sample documents. Select an example to open that page.견본 문서에 대한 실제 출력입니다. 예시를 누르면 해당 쪽이 열립니다.サンプル文書に対する実際の出力です。例を選ぶと、そのページが開きます。均为对示例文档的实际输出。点击示例即可打开该页。皆為對範例文件的實際輸出。點選範例即可開啟該頁。

What each format shows형식별로 읽는 것形式ごとに読み取るもの各格式读取的内容各格式讀取的內容

Each mark opens a sample page that shows it.표시를 누르면 그 기능이 보이는 견본 쪽이 열립니다.印を選ぶと、その機能が見えるサンプルのページが開きます。点击标记即可打开展示该功能的示例页。點選標記即可開啟呈現該功能的範例頁。

PDFHWPWord
Headings제목見出し标题標題✓✓
Lists목록リスト列表清單✓✓✓
Captions캡션キャプション图注圖說✓
Headers, footers머리말·꼬리말ヘッダー・フッター页眉、页脚頁首、頁尾✓
Footnotes각주脚注脚注註腳✓✓
Tables표表表格表格✓✓✓
Cell positions칸 위치セルの位置单元格位置儲存格位置✓✓✓
Merged cells병합 셀結合セル合并单元格合併儲存格✓✓
Images그림画像图片圖片✓
Tracked changes변경 추적変更履歴修订修訂✓
Comments메모コメント批注註解✓
Equations수식数式公式方程式✓
Export내보내기エクスポート导出匯出
MarkdownMarkdownMarkdownMarkdownMarkdown✓✓
HTMLHTMLHTMLHTMLHTML✓✓
Word (.docx)Word (.docx)Word (.docx)Word (.docx)Word (.docx)✓
PDFPDFPDFPDFPDF✓
Text텍스트テキスト文本純文字✓
PDFWordHWP
Headings제목見出し标题標題✓✓
Lists목록リスト列表清單✓✓✓
Captions캡션キャプション图注圖說✓
Headers, footers머리말·꼬리말ヘッダー・フッター页眉、页脚頁首、頁尾✓
Footnotes각주脚注脚注註腳✓✓
Tables표表表格表格✓✓✓
Cell positions칸 위치セルの位置单元格位置儲存格位置✓✓✓
Merged cells병합 셀結合セル合并单元格合併儲存格✓✓
Images그림画像图片圖片✓
Tracked changes변경 추적変更履歴修订修訂✓
Comments메모コメント批注註解✓
Equations수식数式公式方程式✓
Export내보내기エクスポート导出匯出
MarkdownMarkdownMarkdownMarkdownMarkdown✓✓
HTMLHTMLHTMLHTMLHTML✓✓
Word (.docx)Word (.docx)Word (.docx)Word (.docx)Word (.docx)✓
PDFPDFPDFPDFPDF✓
Text텍스트テキスト文本純文字✓

One document, three formats같은 문서, 세 형식同じ文書、3つの形式同一文档,三种格式同一文件,三種格式

The same report saved as PDF, HWPX and Word, each read by its own engine.같은 보고서를 PDF, HWPX, Word로 저장해 각 형식의 엔진으로 읽었습니다.同じ報告書をPDF・HWPX・Wordで保存し、それぞれの形式のエンジンで読み取りました。同一份报告分别存为 PDF、HWPX 和 Word,并由各自格式的引擎读取。同一份報告分別存為 PDF、HWPX 與 Word,並由各自格式的引擎讀取。

.PDF

PDF

Finds reading order, headings, tables and images. Export to Markdown, HTML or Word.

All samples견본 전체 보기すべてのサンプル全部示例全部範例 →

Reading order across columns단을 넘는 읽는 순서段組みをまたぐ読み順跨栏阅读顺序跨欄閱讀順序

A two-column paper is read as title, authors and abstract, then each column from top to bottom.2단 논문을 제목, 저자, 초록, 이어서 각 단의 위에서 아래 순으로 읽습니다.2段組みの論文を、タイトル・著者・要旨、続いて各段の上から下の順に読み取ります。双栏论文按标题、作者、摘要,再逐栏自上而下的顺序读取。雙欄論文依標題、作者、摘要,再逐欄由上而下的順序讀取。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
5注册城乡规划师自然资源部
人力资源社会保障部
相…
6注册测绘师自然资源部
人力资源社会保障部
7核安全设
备无损检
验人员资
民用核安全设备无损
检验人员
生态环境部
国防科技工业军用核安全设备
无损…
国防科工局

Tables with merged cells병합 셀이 있는 표結合セルを含む表含合并单元格的表格含合併儲存格的表格

A table that runs over 17 pages is read into rows and columns, keeping cells that span several rows or columns.17쪽에 걸친 표를 행과 열로 읽고, 여러 행이나 열에 걸친 셀도 그대로 유지합니다.17ページにわたる表を行と列に読み取り、複数の行や列にまたがるセルもそのまま保ちます。将长达 17 页的表格读取为行和列,并保留跨行或跨列的单元格。將長達 17 頁的表格讀取為列與欄,並保留跨列或跨欄的儲存格。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
  • Heading제목見出し标题標題
  • Paragraph문단段落段落段落
  • List목록リスト列表清單
  • Caption캡션キャプション图注圖說
  • Header / footer머리말·꼬리말ヘッダー・フッター页眉/页脚頁首/頁尾
  • Table표表表格表格

Parts of the page쪽의 구성 요소ページの構成要素页面的组成部分頁面的組成部分

Headings, paragraphs, lists, captions, tables, headers and footers are told apart.제목, 문단, 목록, 캡션, 표, 머리말과 꼬리말을 구분합니다.見出し・段落・リスト・キャプション・表・ヘッダー・フッターを区別します。区分标题、段落、列表、图注、表格、页眉和页脚。區分標題、段落、清單、圖說、表格、頁首與頁尾。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
.HWP · .HWPX

HWP

Shows HWP documents page by page and reads paragraphs, lists, tables, outline headings and pictures from the file itself. Export to PDF or text.

All samples견본 전체 보기すべてのサンプル全部示例全部範例 →
  • Paragraph문단段落段落段落
  • List목록リスト列表清單
  • Table표表表格表格

Read from the file itself원본 파일에서 직접ファイルから直接直接读取原文件直接讀取原始檔案

Paragraphs, lists and tables are read straight from HWP 5 and HWPX files, without first converting them to another format.HWP 5와 HWPX 파일에서 문단, 목록, 표를 바로 읽습니다. 다른 형식으로 먼저 변환하지 않습니다.HWP 5・HWPXファイルから段落・リスト・表を直接読み取ります。別の形式への事前変換は行いません。直接从 HWP 5 和 HWPX 文件读取段落、列表和表格,无需先转换为其他格式。直接從 HWP 5 與 HWPX 檔案讀取段落、清單與表格,無需先轉換為其他格式。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
1. 회의일자 
2. 회의장소 
3. 참 석 자외 명
4. 회의안건1. 2. 3.
5. 회의결과 
6. 첨부서류 

Tables in official forms공문 서식의 표公的様式の表公文表单中的表格公文表單中的表格

Each field of a statutory form is read in its own row and column.법령 서식의 각 칸을 행과 열 그대로 읽습니다.法令様式の各欄を、行と列のとおりに読み取ります。按行列读取法定表格中的每个栏位。依列與欄讀取法定表單中的每個欄位。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →

Long documents, page by page긴 문서도 쪽 단위로長い文書もページごとに长文档逐页呈现長文件逐頁呈現

A 19-page regulation is laid out page by page, with its text searchable and selectable.19쪽 훈령을 쪽 단위로 배치해 보여 주며, 본문을 검색하고 선택할 수 있습니다.19ページの訓令をページごとに配置して表示し、本文を検索・選択できます。将 19 页的规章逐页排版显示,正文可搜索、可选取。將 19 頁的規章逐頁排版顯示,本文可搜尋、可選取。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
.DOCX

Word

Reads the Word file itself and shows headings, lists and tables as the author made them. Export to Markdown or HTML.

All samples견본 전체 보기すべてのサンプル全部示例全部範例 →
  1. 2. The Client shall pay each invoice within thirty (30) fifteen (15) days of receipt. Kim Legal
  2. 3. Either party may terminate this Agreement on sixty (60) ninety (90) days written notice. Park Finance
  3. 4. This Agreement is governed by the laws of the Republic of Korea, excluding its conflict-of-laws rules. Park Finance
  • Attach Schedule A before signing.
  • Finance prefers 15 days; please confirm.

Tracked changes and comments변경 추적과 메모変更履歴とコメント修订与批注修訂與註解

Each insertion and deletion is read with its author, together with the comments in the document.삽입과 삭제를 작성자와 함께 읽고, 문서에 달린 메모도 함께 가져옵니다.挿入と削除をそれぞれの作成者とともに読み取り、文書のコメントも取り出します。逐条读取插入与删除及其作者,并一并提取文档中的批注。逐條讀取插入與刪除及其作者,並一併擷取文件中的註解。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
E=mc2E=m{c}^{2}
x=-b+b2-4ac2ax=\frac{-b+\sqrt{{b}^{2}-4ac}}{2a}

Equations as MathML and LaTeX수식은 MathML과 LaTeX로数式をMathMLとLaTeXで公式输出为 MathML 与 LaTeX方程式輸出為 MathML 與 LaTeX

Word equations are read as structure, not as pictures, and are given as MathML and LaTeX.Word 수식을 그림이 아닌 구조로 읽어 MathML과 LaTeX로 제공합니다.Wordの数式を画像ではなく構造として読み取り、MathMLとLaTeXで提供します。将 Word 公式作为结构而非图片读取,并以 MathML 和 LaTeX 提供。將 Word 方程式作為結構而非圖片讀取,並以 MathML 與 LaTeX 提供。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →
구분항목담당
인사채용 현황총무과
교육 실적총무과
예산집행 내역재무과

Tables as the author made them작성자가 만든 그대로의 표作成者が作ったとおりの表按作者原样读取表格依作者原樣讀取表格

Merged cells, outline numbers and text boxes are read from the file rather than guessed from the page.병합 셀, 개요 번호, 글상자를 쪽 모양에서 추측하지 않고 파일에서 읽습니다.結合セル・アウトライン番号・テキストボックスを、ページの見た目から推測せずファイルから読み取ります。合并单元格、大纲编号和文本框均从文件中读取,而非根据页面外观推测。合併儲存格、大綱編號與文字方塊皆從檔案讀取,而非依頁面外觀推測。

Open this page이 쪽 열기このページを開く打开此页開啟此頁 →