[Bug] PaddleOCR-VL 表格图片 HTML 模板包含多余双引号 #5232

问题描述

PaddleOCR-VL 的 untokenize_figure_of_table() 将表格图片占位符还原为 HTML 时，图片标签模板的 alt 属性后多了一个双引号，导致输出不规范的 HTML。

源码定位

文件：paddlex/inference/pipelines/paddleocr_vl/uilts.py，第 590 行。

当前模板：

"<img src=\"{}\" alt=\"Image\"\" />"

预期模板：

"<img src=\"{}\" alt=\"Image\" />"

截至 2026-10-23，已核对以下版本均存在此问题：

• PaddleX 3.6.1（实际使用版本）
• v3.7.2
• develop

最小复现

无需模型推理或业务 PDF，直接执行相同模板即可复现：

img_path = "imgs/example.jpg"
actual = "<img src=\"{}\" alt=\"Image\"\" />".format(img_path)
expected = "<img src=\"{}\" alt=\"Image\" />".format(img_path)
print(actual)
assert actual == expected  # AssertionError

实际输出：

<img src="imgs/example.jpg" alt="Image"" />

预期输出：

<img src="imgs/example.jpg" alt="Image" />

影响

下游接入发现表格 HTML 中存在上述异常标签。依赖规范图片标签进行图片引用提取或路径替换的处理可能因此失败或遗漏；浏览器能容错显示不代表下游解析逻辑也能处理。

本报告定位的是模板本身的确定性问题，不将下游接入方所有转换失败都归因于此。

建议修复

删除模板中多余的双引号，并为表格图片占位符还原增加回归测试，验证生成的 img 标签和图片路径符合预期。