爱魔域

PDF的数据解析是一件较困难的事情，魔域boss版合区几乎所有商家都把PDF转WORD功能做成付费产品。PDF是基于PostScript子集渲染的，PostScript是一门图灵完备的语言。而WORD需要的渲染，本质上是PDF能力的子集。大模型领域，我们的目标文件格式一般是markdown，markdown相较于WORD更加简单，是WORD的子集。子集向父集转换是容易的，因为子集有的功能，父集都有。而父集向子集转换是困难的，因为父集的众多功能，子集并不具备。通过元素映射的方式来实现PDF的解析，是不现实的。