一种非结构化PDF文档智能解析方法、装置、设备及介质

本申请公开了一种非结构化PDF文档智能解析方法、装置、设备及介质，涉及文档解析领域，该方法包括：获取待解析的PDF文档，并解析PDF文档中的页面元素，生成文档元数据字典；若PDF文档中未包含可提取文本，则将PDF文档转换为图像并进行光学字符识别，生成第一结构化数据；若PDF文档中包含可提取文本，则判断PDF文档中是否包含表格；若PDF文档中不包含表格，则采用PDFMiner提取文本，生成第二结构化数据；若PDF文档中包含表格，则根据文档元数据字典对PDF文档进行多模态特征提取及特征融合，得到多模态融合特征，并根据多模态融合特征生成第三结构化数据；本申请提高了PDF文档的解析精度及效率。