待验证50% 置信事实精确时间
Tagged PDF在文件结构中嵌入了逻辑结构树，用标签（如P、H1、Table、Figure）描述内容的逻辑角色和阅读顺序。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
PDF转Markdown的隐形陷阱：双栏论文如何被压成“文本汤”
rss2026/10/17
涉及实体
相关事实
待验证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70% 相似待验证异构文档指格式、结构、来源各不相同的文档集合，可能包含PDF、网页、表格、图文混排、代码片段等多种形态67% 相似待验证文档结构分块用文档自身的结构标记——Markdown标题、HTML的<h1>/<h2>、docstring小节——来定义块边界。67% 相似待验证PDF由COS对象模型（Carousel Object Structure）组织，包含间接对象、交叉引用表、文档目录、页面树、内容流和资源字典；'层'不是PDF规范的一等概念，而是通过可选内容组（OCG）、独立XObject或堆叠多个内容流模拟出来的。66% 相似待验证PDF文档内部由页面内容流组成，字符通过文本展示操作符（如Tj、TJ）定位在变换矩阵上，不存在段落、表格、列表等语义容器对象。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1052658API
curl https://kongchang.com/api/v1/knowledge/claims/1052658MCP
get_claim(id=1052658)