待验证50% 置信事实精确时间

Word 与 PDF 的生成通常借助 Claude 输出结构化 Markdown 或 HTML，再由平台侧转换为对应格式

1

来源数

50%

置信度

长期有效

时效性

2026/9/19

首次发现

来源

Claude 全功能实测：一句提示词产出论文、PDF与网页三份文件

涉及实体

Claudeproduct Markdownconcept HTMLconcept

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67% 相似待验证版式感知（layout-aware）的PDF提取效果明显好于把所有内容拍平成纯文本，尤其在含表格和多栏排版的文档中66% 相似待验证判断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PDF66% 相似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PaddleOCR66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/934947

API

curl https://kongchang.com/api/v1/knowledge/claims/934947

MCP

get_claim(id=934947)