待验证50% 置信事实精确时间

标准PDF文本提取器通常按照Y轴从上到下、X轴从左到右的顺序对文字对象排序后拼接，在多栏布局中会把左栏和右栏文字混排导致语义顺序错乱

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

布局感知PDF解析器实战：破解RAG分块难题

涉及实体

PyMuPDFproduct pdfminerproduct

相关事实

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70% 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% 相似待验证将ePub线性文字流机械映射到原始手稿时，因划线删除段落、结构性空白、档案插页等因素会导致累积性文本漂移59% 相似待验证梳状字段是 PDF 交互式表单（AcroForm）规范中定义的一种特殊文本字段类型，设置Comb标志位后字段宽度会按最大字符数（MaxLen）均匀分割为格子59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/929141

API

curl https://kongchang.com/api/v1/knowledge/claims/929141

MCP

get_claim(id=929141)