待验证50% 置信事件精确时间

IRS的W-9表单PDF为XFA格式，文本存在于脚本层而非页面层，转换后6页文档只返回了85个字符。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

PDF转Markdown为LLM和RAG准备：实测与避坑指南

涉及实体

IRS W-9product XFAconcept

相关事实

待验证PDF等文档格式中的文字流并不总是按视觉顺序存储，多栏排版、图文混排、脚注与页眉穿插会导致底层文字流与视觉顺序错位64% 相似待验证在PDF文件中文字往往不是以连续段落存在，而是被拆解为带有精确坐标的字符或文本块，修改时需重新计算排版、字体嵌入、行间距等信息64% 相似待验证PDF规范中并不存在'栏'这一概念，文字对象只是按绝对坐标散布在页面上63% 相似待验证批注与标记工具不真正修改PDF原始内容，而是在文档上层添加高亮、下划线、评论、签名等批注层63% 相似待验证PDF 文件的底层格式不存储逻辑阅读顺序，只记录每个字符在页面上的绝对坐标位置62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1019291

API

curl https://kongchang.com/api/v1/knowledge/claims/1019291

MCP

get_claim(id=1019291)