# pdf_解析

**Repository Path**: purify_wang/pdf-parse

## Basic Information

- **Project Name**: pdf_解析
- **Description**: 解析pdf
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: dev_shangfei_mineru
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 6
- **Forks**: 1
- **Created**: 2023-12-13
- **Last Updated**: 2025-04-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PDF解析项目
本项目旨在解析PDF文件内容，提取文本或相关信息，以便进一步处理和利用。

## 功能特点
支持解析PDF文件，提取文本内容、图片、表格。

## 使用方法
### 环境依赖
pip: pip install -r requirements.txt

conda: conda install --yes --file requirements.txt

### 运行程序
详见main_**.py中的示例代码。


### 解析计划
1. 调研市面上其他的解析工具 api 、重点调研textin
2. pymupdf研究
3. 重点优化商飞解析方法
   1. 优化解析格式为markdown /  html？
   2. 针对某一个章节进行正则优化
   3. 调研商飞文档结构
   4. 调研解析工具
   5. 去页头页尾
   6. 恢复文档格式
   7. 解析包代码优化、流程优化