用于文档内容识别和智能段落章节拆解的方法及系统

本发明属于数据处理技术领域，具体涉及用于文档内容识别和智能段落章节拆解的方法及系统。方法包括：S1，将PDF文档拆分成页，并转换成图片；S2，对拆分后的PDF页进行DOM结构分析，获得文本字符集合；S3，对PDF页图片进行版面分析，获得版面区域集合；S4，将得到的文本字符集合和版面区域集合，聚合成字符分块；S5，对字符分块进行阅读顺序恢复操作；S6，定义标题匹配模式集合；S7，遍历分块序列的行序列，通过对比算法，得到目录之间的层级关系；S8，输出结构化的内容块结果；S9，将PDF页图片和内容块坐标进行可视化显示，用户绘制新的坐标区域，根据提供的坐标区域信息进行二次拆解。