AI 表格识别做的事，是把一张表格图片变成能编辑的电子表格。认字不难，难的是把行列结构原样恢复出来——线和逻辑，各管一摊。
表格结构的恢复：线、单元格、行列关系
有线表的处理路径最清晰：先检测横线竖线，线与线相交切成单元格网，每个格子有了行列号，结构就立起来了。文字识别随后按格子进行，每个格子里的文字归到对应的行列位置，进来的是一张图，出去的是带结构的文字矩阵。
恢复出的结构常用 HTML 表格表达：行标签、列标签、合并单元格都能装下，转成 Excel 或 CSV 只是格式转换的事。豆包、Kimi 读表格图片时返回的可复制表格，就是这条链路的产物。
无线表怎么办：从对齐推测结构
麻烦的是无线表：截图里的排行榜、报告里用空格对齐的数据，一条线都没有。这时结构要靠推测——文字块的水平位置相近的归为一列，垂直间距均匀的归为一行，再借助表头语义验证：某列下面全是日期，那列就是日期列。推测带有不确定性，所以无线表的识别准确率普遍低于有线表。
三线表介于两者之间：只有表头下和表尾两条横线，内部无线。惯例是先按有线思路定位这几条线确认表格范围，内部再用无线方法推列。
| 表格类型 | 结构靠什么定 | 识别准确率 |
|---|---|---|
| 有线表 | 横线竖线相交切出单元格网 | 路径最清晰 |
| 三线表 | 表头下与表尾两条横线定范围，内部按无线推列 | 介于两者之间 |
| 无线表 | 水平位置归列、垂直间距归行，再用表头语义验证 | 普遍低于有线表 |
合并单元格是另一个高频坑：被合并的区域里只有左上角有字，其余格子是空的，恢复时要判断这是合并还是缺数据。惯例是看边界线：线把几个格子框成一个整体就是合并，线还在只是没填字就是空格。判断错了，导出的表格要么数据错位，要么该有的跨度丢了。
复杂表头还会多层嵌套，识别时要把跨行跨列关系一并还原，只还原一层，导出后照样对不上。
输出怎么落：HTML 与其他格式
结构确认后落地为标记格式，HTML 表格是通用中间站，保留合并单元格信息最完整；CSV 简单但装不下合并；LaTeX 表格面向论文场景。选择哪个出口，取决于下游要什么：要人看，HTML 或直接贴进 WPS AI 的文档里；要程序读，CSV 或 JSON 更省事。
导出后建议抽查首尾两行与最右一列，这四处错位最能暴露结构问题。
表格识别嵌在整条文档理解链上：区域先由版面分析是怎么分栏的圈出，格内对象定位可参考视觉定位是怎么画出框的，图文混排文档里的表格衔接见图文交织输入是怎么排的，更长链路的结构组织则看视频问答的上下文是怎么组织的的时间轴思路。
类比与失效：像誊抄表格但格子要重建
把表格识别理解成誊抄：字一个个抄下来不难，难的是把抄下来的字放回正确的格子里。失效点在于誊抄的人看得见格子，模型在无线表里看不见，只能靠对齐和语义去猜，猜错的行列整张表就错位。
一句话带走：有线表看线，无线表看对齐，三线表看惯例——先判断表格类型，再定处理预期。
表格识别自查清单
- 表格有没有完整框线；
- 是否存在合并单元格；
- 表头是一层还是多层；
- 输出的格式能不能承载原结构。
一句话：结构对，表格才对；结构错，每个字都对也没用。
换个问法再问表格识别三句
- 它认得出跨页长表吗？：能拼接但容易在页脚处断列，分段识别后按列名对齐合并更稳。
- 手写表格能识别吗？：工整手写可以，字迹潦草加线又淡的表格错误率明显上升，建议先重描线再识别。
- 为什么识别结果里的数字常被认错？：多数是相似字形混淆，结构没错但字符认错，逐格人工抽查最要紧的数字列即可兜底。
