PDF 和表格解析有哪些难点？怎么做？

一句话速记：PDF 的版式、多栏、表格、公式、图片难以抽取；用版面分析 + OCR + 表格结构识别，或直接用 VLM 解析。

解析

同章节的其他八股

• RAG 的基本流程和各环节的优化点？
• 什么时候用 RAG，什么时候用微调？
• 向量检索为什么还要结合 BM25？
• Bi-Encoder 和 Cross-Encoder 有什么区别？
• 文档切块（Chunking）有哪些策略？块大小怎么选？
• GraphRAG 是什么？适合什么场景？
• RAG 系统怎么评估？
• 什么是 Agentic RAG？和普通 RAG 有什么区别？
• BM25 和 TF-IDF 的区别？
• HNSW 和 IVF 索引的原理？怎么选？
• 为什么需要重排序（Rerank）？
• 查询改写有哪些方法？