PDF 为什么难解析？表格怎么处理？
先自己想一想，再看参考要点
参考要点
- PDF 只记录“在某坐标画某字”，没有段落和表格，直接读文本层会混入页眉页脚、句子在折行处断开
- 扫描件要先 OCR，表格可能被逐列输出
- 用版面分析识别标题、正文、表格和阅读顺序，表格转为 Markdown，按行切分时每行带上表头
- 跨页的表格在列数、列宽一致且中间没有新标题时拼成一张，去掉重复的表头
学习站：先用面试题自评定级，按水平和面试日期排出每天的计划，自评过的题按间隔复习。免费、无需注册，记录只保存在自己的浏览器中。