feat: 重构OCR数据解析流程，统一接口并优化结构分析

table_line_generator/editor/data_processor.py

@@ -14,70 +14,41 @@ except ImportError:
 	from ..table_line_generator import TableLineGenerator
 
 
-def parse_ocr_data(raw_data: Dict, tool: str = "ppstructv3") -> Tuple[List[int], List[Dict]]:
-    """
-    解析 OCR 数据（根据工具类型自动选择解析方法）
-    
-    Args:
-        raw_data: 原始 OCR 结果
-        tool: 工具类型 ("ppstructv3" 或 "mineru")
-    
-    Returns:
-        (table_bbox, ocr_data): 表格边界框和文本框列表
-    """
-    if tool.lower() == "mineru":
-        # 使用 MinerU 专用解析方法
-        table_bbox, structure = TableLineGenerator.parse_mineru_table_result(raw_data)
-        
-        # 🔑 将结构转换为 ocr_data 格式（兼容现有逻辑）
-        ocr_data = []
-        for row in structure['rows']:
-            for bbox in row['bboxes']:
-                ocr_data.append({
-                    'bbox': bbox,
-                    'text': ''  # MinerU 可能没有文本，或需要从 table_cells 提取
-                })
-        
-        return table_bbox, ocr_data
-    
-    elif tool.lower() == "ppstructv3":
-        # 🔑 PPStructure V3 格式
-        return TableLineGenerator.parse_ppstructure_result(raw_data)
-    
-    else:
-        raise ValueError(f"不支持的工具类型: {tool}，支持的类型: ppstructv3, mineru")
-
-
 def get_structure_from_ocr(
     raw_data: Dict, 
     tool: str = "ppstructv3"
 ) -> Tuple[List[int], Dict]:
     """
-    从 OCR 数据直接生成表格结构
+    从 OCR 数据生成表格结构（统一处理流程）
     
     Args:
         raw_data: 原始 OCR 结果
-        tool: 工具类型
+        tool: 工具类型 ("ppstructv3" / "mineru")
     
     Returns:
         (table_bbox, structure): 表格边界框和结构信息
     """
-    if tool.lower() == "mineru":
-        # 🔑 MinerU：直接传入完整 JSON，方法内部会提取 table
-        return TableLineGenerator.parse_mineru_table_result(raw_data)
+    from PIL import Image
     
-    elif tool.lower() == "ppstructv3" or tool.lower() == "ppstructure":
-        # 🔑 PPStructure V3：需要先解析再分析
-        table_bbox, ocr_data = TableLineGenerator.parse_ppstructure_result(raw_data)
-        
-        # 使用临时生成器分析结构
-        from PIL import Image
-        dummy_image = Image.new('RGB', (2000, 3000), 'white')
-        generator = TableLineGenerator(dummy_image, ocr_data)
-        structure = generator.analyze_table_structure()
-        
-        return table_bbox, structure
+    # 🎯 第一步：解析数据（统一接口）
+    table_bbox, ocr_data = TableLineGenerator.parse_ocr_data(raw_data, tool)
     
+    # 🎯 第二步：创建生成器
+    dummy_image = Image.new('RGB', (2000, 3000), 'white')
+    generator = TableLineGenerator(dummy_image, ocr_data)
+    
+    # 🎯 第三步：分析结构（根据工具选择算法）
+    if tool.lower() == "mineru":
+        # MinerU 使用基于索引的算法
+        structure = generator.analyze_table_structure(method="mineru")
     else:
-        raise ValueError(f"不支持的工具类型: {tool}")
+        # PPStructure 使用聚类算法
+        structure = generator.analyze_table_structure(
+            y_tolerance=5,
+            x_tolerance=10,
+            min_row_height=20,
+            method="cluster"
+        )
+    
+    return table_bbox, structure