SidneyZhang/myWiki
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

20260617:目前有914 页

Browse Source
This commit is contained in:
Sidney Zhang
2026-06-17 15:02:40 +08:00
parent e96b955fda
commit 91fac5b6fc
423 changed files with 20687 additions and 34 deletions
Download Patch File Download Diff File Expand all files Collapse all files

23
concepts/pdf-processing.md Normal file
View File

@@ -0,0 +1,23 @@
---
title: "PDF Processing"
type: concept
created: 2026-06-04
tags: [pdf, document-processing, parsing, ocr]
---
# PDF Processing（PDF 处理）
**定义**：从 PDF 文档中提取结构化信息的工具和方法谱系，涵盖文本提取、布局解析、表格识别和公式处理。
## 方法分类
| 方法 | 代表工具 | 特点 |
|------|---------|------|
| 规则式 | pdftotext | 简单快速，但丢失结构 |
| 视觉模型 | [[mineru]] | 保留布局和层级结构 |
| OCR | Tesseract | 处理扫描文档 |
| 深度学习 | Nougat, Grobid | 学术文献专项优化 |
## 相关概念
- [[mineru]] — 视觉模型驱动的 PDF 解析