一种大模型辅助的PDF文本提取与重排优化方法及系统

本发明涉及文档解析技术领域，公开了一种大模型辅助的PDF文本提取与重排优化方法及系统，本发明在对PDF文档的内容进行解析和提取，读取并遍历每一页PDF，然后对文件每一页执行资源前置解析操作以及块对象类型判断，首先通过资源前置解析获取文本的CMAP，然后根据块对象的类型匹配相应的文本提取方式，最后将提取的文本进行基础分段，然后使用LLM模型进行分段重排，输出每一页提取的内容。本发明直接读取PDF文件，并对PDF文件中的块直接操作，通过块对象的类型匹配相应的文本提取方式，相比直接使用深度学习模型去解析PDF，显著提升了文本读取、识别速度。