Editing PDF Table Parsing in Mandarin (section)

=== 1. 術語說明 ===

'''解析器（Parser）'''

<code>parser</code> 是負責解析 PDF 內容，並將其轉換為結構化資料的程式。它通常不只是讀取文字或表格，還需要辨識章節、表格類型、欄位位置、資料列、接續內容，以及來源中繼資料。

'''資料紀錄（Record）'''

<code>record</code> 是解析器產出的一筆標準化資料。

PDF 中的一列不一定對應一筆資料紀錄。同一筆紀錄可能分散在多列、跨頁接續，或需要繼承父列的資訊後才算完整。

'''章節／子章節（Section / Subsection）'''

<code>section</code> 與 <code>subsection</code> 分別指文件中的章節與子章節。

這些欄位通常用來描述資料的來源脈絡，例如某筆紀錄來自哪個章節或表格區塊。

'''表格類型（Table Type）'''

<code>table_type</code> 是由解析器自行定義的表格類型標籤，用來表示目前表格屬於哪一種資料結構。

例如：

* <code>summary_table</code>：摘要表
* <code>detail_table</code>：明細表
* <code>parent_child_table</code>：父子關係表
* <code>cross_reference_table</code>：交叉參照表
* <code>unknown_table</code>：未知類型表格

<code>table_type</code> 的用途，是協助解析器判斷應套用哪一組解析規則。

它不是 PDF 的內建欄位，也不是 <code>pdfplumber</code>、Camelot 或 Tabula 會自動提供的資訊。

'''表格結構定義（Table Schema）'''

<code>table schema</code> 指特定表格類型的欄位結構與解析規則。

通常包含欄位數量、欄位順序、標準化欄位名稱、欄位別名、必填欄位、允許空值的欄位，以及是否需要特殊的接續處理或父子列處理。

在 PDF 表格解析中，<code>table schema</code> 不一定是資料庫綱要，而是解析器用來對齊與標準化表格資料的一組規則。

'''欄位對應（Column Mapping）'''

<code>column mapping</code> 指將 PDF 原始欄位對應至標準化欄位的過程。

例如，不同文件可能使用「項目名稱」、「物件名稱」或「標的名稱」等欄名，但在輸出資料時，都可以統一為 <code>item_name</code>。

'''別名對應（Alias Mapping）'''

<code>alias mapping</code> 指欄名別名的對照表。

由於 PDF 表格的欄名經常因版本、格式或填報單位而異，解析器需要將多種欄名對應至同一個標準化欄位。

'''向下填補（Forward-Fill）'''

<code>forward-fill</code> 指讓後續資料列繼承前面資料列欄位值的處理方式。

在父子列結構中，父列可能只出現一次，後續子列則省略重複資訊。此時，解析器需要將父列資訊填入各個子列。

'''父列／子列（Parent Row / Child Row）'''

<code>parent row</code> 是提供主要分類、群組或摘要資訊的資料列。

<code>child row</code> 是隸屬於某個父列的明細資料列。

PDF 表格經常由父列列出主要資訊，子列則只列出明細項目。如果未處理父子列關係，輸出資料可能會遺失必要的脈絡。

'''跨頁接續（Cross-Page Continuation）'''

<code>cross-page continuation</code> 指同一筆資料紀錄被拆開，並接續至下一頁的情況。

名稱、說明文字、分類欄位、備註或其他較長的欄位，都可能發生這種情況。

處理跨頁接續時，需要判斷下一頁的文字是否屬於上一頁尚未完成的紀錄，而非直接將其視為新的資料列。

'''中繼資料（Metadata）'''

<code>metadata</code> 指用來描述資料來源與解析狀態的輔助資訊。

常見欄位包括 <code>page</code>、<code>table_index</code>、<code>table_type</code>、<code>section</code>、<code>subsection</code>、<code>source_file</code>、<code>raw_row</code> 與 <code>parse_warning</code>。

中繼資料有助於除錯、稽核、資料溯源與資料品質檢查。