pdfplumber
基于pdfminer.six构建的Python PDF解析库，能够将PDF页面中的字符、矩形、线条等对象暴露为带精确坐标属性的Python对象，提供高层表格检测API，适合布局感知的文档解析场景
时间轴 (近 90 天)
pdfplumber基于pdfminer.six，支持有框线表格检测、方便访问字/字符，但无框线表格需调参。
对于无框线表格，可改用pdfplumber的table_settings中的vertical_strategy='text'、horizontal_strategy='text'，让算法依据文字对齐位置推断列边界。
pdfplumber的默认表格检测策略依赖页面上的直线（矢量线段）推断单元格边界，对带完整边框的表格识别稳定；学术论文中常见的三线表缺少列分隔线，默认参数往往检测不到。
用pdfplumber打开页面调用page.extract_text()，若返回空字符串或大量(cid:NN)，说明文本层缺失或字体映射异常，应转向OCR/ML管道。
若PDF有文本层，基于pdfminer.six/pdfplumber的布局感知规则方案轻量、确定性强、运行成本低；若为扫描件或高度视觉化文档，则需要OCR或ML管道（Docling、Marker、MinerU），代价是算力开销。
MarkItDown（微软）支持多格式转Markdown，擅长Office文件和快速转换，但PDF处理较轻（底层用pdfminer/pdfplumber），License为MIT。
在文档处理中，PyMuPDF 对结构化 PDF 抽取效果好但依赖较重，pdfplumber 在表格提取上更稳。
相比 PyPDF2、pdfplumber 等纯文本抽取工具，Docling 保留了语义结构信息，因此适合构建自定义 AST 布局解析器。
arXiv的PDF解析是学术论文跨库检索的主要难点，公式、表格、双栏排版会导致通用解析器出错。
项目技术栈使用 Python、Qdrant 作为向量数据库、rank_bm25（BM25Okapi）做稀疏检索、EURI LLM Gateway 提供聊天与嵌入模型、pdfplumber 做 PDF 页级文本抽取
还有 7 条时间轴事件
全部知识事实 (19)
PDF内部结构是基于PostScript的页面描述语言，包含字体嵌入、图层、加密等复杂元数据，需要通过PyMuPDF、pdfplumber等专用解析库才能提取可读文本
95%待验证归一化处理中PDF解析可使用PyMuPDF或pdfplumber，Word文档处理常用python-docx，图片OCR可用Tesseract或PaddleOCR
90%待验证对于无框线表格，可改用pdfplumber的table_settings中的vertical_strategy='text'、horizontal_strategy='text'，让算法依据文字对齐位置推断列边界。
50%待验证pdfplumber基于pdfminer.six，支持有框线表格检测、方便访问字/字符，但无框线表格需调参。
50%待验证MarkItDown（微软）支持多格式转Markdown，擅长Office文件和快速转换，但PDF处理较轻（底层用pdfminer/pdfplumber），License为MIT。
50%待验证若PDF有文本层，基于pdfminer.six/pdfplumber的布局感知规则方案轻量、确定性强、运行成本低；若为扫描件或高度视觉化文档，则需要OCR或ML管道（Docling、Marker、MinerU），代价是算力开销。
50%待验证用pdfplumber打开页面调用page.extract_text()，若返回空字符串或大量(cid:NN)，说明文本层缺失或字体映射异常，应转向OCR/ML管道。
50%待验证pdfplumber的默认表格检测策略依赖页面上的直线（矢量线段）推断单元格边界，对带完整边框的表格识别稳定；学术论文中常见的三线表缺少列分隔线，默认参数往往检测不到。
50%待验证在文档处理中，PyMuPDF 对结构化 PDF 抽取效果好但依赖较重，pdfplumber 在表格提取上更稳。
50%待验证相比 PyPDF2、pdfplumber 等纯文本抽取工具，Docling 保留了语义结构信息，因此适合构建自定义 AST 布局解析器。
50%待验证arXiv的PDF解析是学术论文跨库检索的主要难点，公式、表格、双栏排版会导致通用解析器出错。
50%待验证项目技术栈使用 Python、Qdrant 作为向量数据库、rank_bm25（BM25Okapi）做稀疏检索、EURI LLM Gateway 提供聊天与嵌入模型、pdfplumber 做 PDF 页级文本抽取
50%待验证项目使用 pdfplumber 进行 PDF 解析，并采用带重叠的分块策略以保留上下文连贯性
50%待验证PyPDF、pdfplumber 等直读文本流的轻量库不加载神经网络模型，内存占用通常在数十 MB 级别
50%待验证该开发者构建的PDF解析器在pdfplumber外层包裹了一个FastAPI后端，逐页探测精确的视觉网格线坐标而非进行基础文本流式读取
50%待验证pdfplumber是基于pdfminer.six构建的高层封装库，将PDF页面中每一个字符、矩形、线条对象暴露为带有精确坐标属性（x0、y0、x1、y1）的Python对象
50%待验证与PyMuPDF相比，pdfplumber在表格边线检测方面提供了更高层的抽象（page.find_tables()），可配置边线识别策略
50%待验证判断PDF是否包含文本层最简单的方法是尝试用PDF库提取文本，若返回空字符串或乱码基本可确认是图像型PDF
50%待验证主流版式感知PDF提取方案分为基于规则的工具（如pdfplumber、PDFMiner）和基于视觉模型的方案（如Microsoft LayoutLM、Amazon Textract、Adobe PDF Extract API）
50%