论文部分内容阅读
目前各种PDF转化工具中，将PDF元素抽取后还原顺序的方法是根据每个文字元素的坐标---由左到右，由上到下的顺序重排元素。这种重排方式无法正确还原多栏或者多区域的PDF文档。文章提出了一种页面分块算法。所提算法将页面划分为不同的区域，在分区基础上重排，有效的提高了多栏或者多区域的PDF文档文本顺序还原的正确性。