Tag: pdf
All the articles with the tag "pdf".
PDF 文本提取与版面重构（上）：多栏排版与阅读顺序
介绍 BibGenie 的 PDF 提取引擎底层原理，剖析如何通过字符频次统计识别正文基准、利用严格单调递增序列过滤页眉页脚，以及通过左侧重叠拓扑排序解决双栏论文的乱序问题。
PDF 文本提取与版面重构（下）：段落切分与字符级坐标对齐
介绍 BibGenie 的 PDF 提取引擎底层原理，探讨如何在单栏文本流内部利用中位数绝对偏差（MAD）统计学切分段落、通过后处理管道清洗学术分句陷阱，并维护字符与物理四边形之间的位置对应关系。