license: apache-2.0
这是MNBVC多模态语料小组的图文通用语料的格式展示。
字段说明：
文件md5: 这个字段存储文件的MD5哈希值。MD5是一种广泛使用的哈希函数，它产生一个128位（16字节）的哈希值，通常用于确保数据的完整性。在这里，它可以用来唯一标识文件，或者检查文件是否被更改。
文件id: 文件的唯一标识符。这可以是一个数据库中的主键，或者任何用于唯一标识文件的系统。
页码: 如果数据源是一个多页文档（如PDF文件），这个字段表示文本或图片所在的具体页码。
段落id: 在文档中，特定段落的唯一标识。这可以用于标识文本或图片所在的具体段落。段落的定义其实主要用以区分“模态”，所以对于文本来说，可以是多段的文本，也可能是单段的，取决于使用者的实际情况。
文本: 存储文档中的文本内容。这可以是整个文档的文本，或者是特定段落或页面的文本。
图片: 如果文档中包含图片，这个字段存储图片的数据。
时间: 记录数据处理的时间。
数据类型: 指示存储在该行中的数据类型。例如，它可以是“文本”、“图片”或其他任何类型，用于区分不同类型的数据或内容。
bounding box: 四点坐标，用以支持版面分析等数据
额外信息: 存放各种额外信息，比如 在假如数据类型为图片，则存放的可以是一个字典(text存储，需要解析一下)。
关于图片，我们的保存方法是：
def read_image(image_path):
# 打开图像文件
with open(image_path, 'rb') as file:
image = Image.open(file)
# 将图像转换为二进制格式
img_byte_arr = io.BytesIO()
image.save(img_byte_arr, format=image.format)
img_byte_arr = img_byte_arr.getvalue()
return img_byte_arr
这个函数首先以二进制读模式打开指定路径的图像文件。然后，它使用PIL的Image.open方法来加载图像。为了将图像转换为二进制格式，我们创建了一个BytesIO对象，然后使用图像的save方法将其保存到这个内存中的字节流中。最后，使用getvalue方法获取字节流的内容，这将是图像的二进制表示。
在这段代码中，format=image.format确保图像以其原始格式保存。这样做是为了保持图像质量和格式的一致性，不管它最初是JPEG、PNG还是其他格式。
一个读取的方法：
import pandas as pd
from PIL import Image
import io
# 读取Parquet文件
df = pd.read_parquet('train.parquet')
# 遍历DataFrame的行
for index, row in df.iterrows():
# 处理图像数据
if row['图片'] is not None:
image_data = row['图片']
image = Image.open(io.BytesIO(image_data))
# 保存图像，文件名可以根据需求自定义
image.save(f'image_{index}.png')