24 lines
661 B
Markdown
24 lines
661 B
Markdown
---
|
||
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
|