YogeLiu/doc_processer

Fork 0

Files

liuyuanchuang cd790231ec fix: rm other attr

2026-02-04 16:56:20 +08:00

5.7 KiB

Raw Blame History

MathML 导入 Word 完整指南

MathML 简化优化 ✨

我们的 MathML 输出已经过深度优化，相比标准 Pandoc 输出更加简洁、高效、Word 兼容。

自动移除的冗余元素

✅ 结构简化

移除 <semantics> 包装器（Word 不需要）
移除 <annotation> 元素（仅用于调试）
移除冗余的单层 <mrow> 包装

✅ 属性简化

移除 form="prefix/infix/postfix" 属性
移除 stretchy="true/false" 属性
移除 fence="true/false" 属性
移除 separator="true/false" 属性
移除 columnalign、columnspacing、rowspacing 等表格属性
移除 class 和 style 属性（Word 不支持）

✅ 内容优化

Unicode 实体 → 实际字符（如 γ → γ）
display="inline" → display="block"（更好的渲染效果）
清理额外的空白字符

简化效果对比

简化前（标准 Pandoc 输出）：

<math display="inline" xmlns="http://www.w3.org/1998/Math/MathML">
<semantics>
<mrow>
<mi>γ</mi>
<mo form="infix">=</mo>
<mn>22</mn>
<mo form="infix">.</mo>
<mn>2</mn>
</mrow>
<annotation encoding="application/x-tex">\gamma = 22.2</annotation>
</semantics>
</math>

长度：~280 字符

简化后（我们的输出）：

<math display="block" xmlns="http://www.w3.org/1998/Math/MathML">
<mi>γ</mi><mo>=</mo><mn>22</mn><mo>.</mo><mn>2</mn>
</math>

长度：~120 字符

减少约 60% 的冗余！ 🎉

问题诊断

如果 MathML 无法在 Word 中渲染，通常是以下原因：

1. MathML 格式问题（已全部修复 ✅）

~~包含 <semantics> 和 <annotation> 包装器~~ ✅ 已移除
~~使用 display="inline" 而不是 display="block"~~ ✅ 已修复
~~缺少 xmlns 命名空间~~ ✅ 自动添加
~~使用 HTML 实体编码而不是实际字符~~ ✅ 已解码
~~包含冗余属性~~ ✅ 已清理

2. Word 粘贴方法不正确

❌ 直接粘贴到正文
❌ 使用"选择性粘贴"
❌ 粘贴位置不对

Word 中正确的粘贴方法

方法 1：使用 MathType（推荐）✨

如果你安装了 MathType：

复制 MathML 内容
在 Word 中：插入 → 对象 → MathType 公式
在 MathType 中：编辑 → 粘贴 MathML
点击"确定"

方法 2：使用 Word 内置公式编辑器

选项 A：Alt 文本方法（最可靠）

在 Word 中：插入 → 公式
输入任意内容（如 x）
选中公式，右键 → 公式选项 → 另存为新公式
取消，返回文档
右键公式 → 编辑替换文本
将 MathML 粘贴到替换文本框
按 Enter

选项 B：XML 方法（需要开发者模式）

文件 → 选项 → 自定义功能区
勾选"开发工具"
开发工具 → XML 映射
粘贴 MathML

选项 C：宏方法（高级）

使用 VBA 宏：

Sub InsertMathML()
    Dim mathML As String
    mathML = "<math>...</math>" ' 粘贴你的 MathML
    
    Selection.Range.InsertXML mathML
End Sub

方法 3：使用在线工具转换

访问 https://www.mathcha.io/
粘贴 MathML
导出为 Word 格式

测试你的 MathML

运行诊断工具：

python test_mathml_word_compatibility.py

这会检查：

✓ 命名空间是否正确
✓ Display 属性
✓ 是否有 semantics 包装器
✓ Unicode 实体

示例：正确的 MathML 格式

<math display="block" xmlns="http://www.w3.org/1998/Math/MathML">
  <mrow>
    <mi>γ</mi>
    <mo>=</mo>
    <mn>22.2</mn>
    <mo>,</mo>
    <mi>c</mi>
    <mo>=</mo>
    <mn>30.4</mn>
  </mrow>
</math>

不要有：

<math>
  <semantics>    ❌ Word 可能不识别
    <mrow>...</mrow>
    <annotation>...</annotation>    ❌ Word 不需要
  </semantics>
</math>

API 使用

获取 Word 兼容的 MathML

curl -X POST "http://localhost:8000/api/v1/image/ocr" \
  -H "Content-Type: application/json" \
  -d '{
    "image_base64": "...",
    "model_name": "mineru"
  }'

响应中的 mathml 字段已经过优化，可以直接用于 Word。

如果还是不工作

检查 Word 版本
- Word 2010+ 支持 MathML
- Word Online 支持有限

检查 MathML 内容

python test_mathml_word_compatibility.py

尝试 OMML 格式（Word 原生）

curl -X POST "http://localhost:8000/api/v1/convert/latex-to-omml" \
  -H "Content-Type: application/json" \
  -d '{"latex": "\\gamma = 22.2"}'

OMML 是 Word 的原生格式，兼容性最好。

为什么 OMML 更好？

格式	用途	Word 兼容性
MathML	Web 标准、跨平台	⭐⭐⭐ 需要转换
OMML	Word 原生格式	⭐⭐⭐⭐⭐ 完美

建议：

手动粘贴 → 使用 MathML
编程生成 Word 文档 → 使用 OMML

常见错误

错误 1：粘贴后显示为文本

原因：粘贴位置不对或格式不对

解决：

确保 MathML 以 <math 开头
使用 Alt 文本方法
或使用 OMML 接口

错误 2：显示为方框

原因：Word 无法解析 MathML 结构

解决：

检查是否有 <semantics> 包装器（我们已移除）
使用 OMML 格式

错误 3：部分显示不正确

原因：某些 LaTeX 命令不支持

解决：

检查 LaTeX 语法
使用 Word 支持的标准命令

最终建议

最简单的方法：使用 OMML 格式

# 1. 获取 LaTeX
POST /api/v1/image/ocr
→ 获取 "latex" 字段

# 2. 转换为 OMML
POST /api/v1/convert/latex-to-omml
→ 获取 "omml" 字段

# 3. 使用 python-docx 或 Office.js 插入

这样可以避免所有 MathML 兼容性问题！

5.7 KiB Raw Blame History Unescape Escape