PDF文档内容的提取方法及装置

本申请提供了一种PDF文档内容的提取方法及装置。所述方法包括：确定PDF文档是否为基于图像的PDF文档；在PDF文档为基于图像的PDF文档的情况下，将PDF文档转换为目标图像；根据识别得到目标图像内的目标对象对目标图像进行裁剪，得到仅包含目标对象的裁剪图像，对裁剪后的目标图像的目标对象对应的区域进行空白填充，得到填充目标图像，目标对象为：表格和嵌入图片中的至少一种；基于深度学习模型对裁剪图像进行解析处理，得到裁剪图像对应的结构化信息；基于光学字符识别技术对填充目标图像进行识别，得到填充目标图像对应的文本信息；对结构化信息和文本信息进行整合，得到PDF文档对应的页面内容信息。