待验证50% 置信事实精确时间

双栏PDF转Markdown的核心难点是阅读顺序重建，而非文字识别（OCR）。

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

阅读顺序重建concept OCRconcept

相关事实

已验证PDF本质上是面向打印的页面描述语言，内部存储字符的绝对坐标而非语义结构，导致扫描版需OCR、多栏排版顺序错乱、表格丢失行列关系等解析挑战75% 相似待验证传统OCR的核心架构缺陷在于识字不识意，其输出是按扫描顺序排列的字符序列，不包含语义层面的结构信息74% 相似待验证传统OCR方案依赖预设固定模板来定位字段位置，发票版式变化时容易失效71% 相似待验证解析器可能按照物理坐标而非逻辑顺序读取多栏排版文本，导致阅读顺序错乱71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1052665

API

curl https://kongchang.com/api/v1/knowledge/claims/1052665

MCP

get_claim(id=1052665)