# 不知道各位好汉，用什么方式和框架解析pdf

**URL:** <https://forum.freemdict.com/t/topic/31004>\
**Category:** 技术交流与词典编修\
**Created:** [2024 年8 月 17 日 07:36 UTC](https://forum.freemdict.com/t/topic/31004 "2024-08-17T07:36:58Z")\
**Posts on this page:** 1\
**Showing post:** 4

<div class="post-metadata">

作者： ![random](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/random/32/19006_2.png) [@random](https://forum.freemdict.com/u/random)\
发布日期： [2024 年8 月 17 日 10:43 UTC](https://forum.freemdict.com/t/topic/31004/4 "2024-08-17T10:43:25Z")

</div>

用过谷歌的PDF解析和合合的PDF解析。

合合：page级别，直接生成markdown格式（只支持黑体识别，不支持颜色识别），可以转换为HTML。准确度挺好，尤其是中文的准确度。缺点：复杂排版合合不太行。中英文符号不区分，比如英文()识别成中文（），乱加空格和删空格，导致后期人工校对成本巨高。

下面这个是用合合的PDF解析制作的，中文准确度如何，可以从这个瞥见一二：

> [@【协作】外国人汉语新词语学习词典,崔乐，侯敏主编](https://forum.freemdict.com/t/topic/23855/4):
>
> [外国人汉语新词语学习词典 by 崔乐，侯敏.mdx](https://forum.freemdict.com/uploads/short-url/477TsLD3QhhXPsMgbRxoEqNrmpC.mdx) (44.6 KB) VimBuilder Source： [source.zip](https://forum.freemdict.com/uploads/short-url/UlH9wkn8qTkV1VgrmcRTMyOryu.zip) (24.0 KB) Text Source： [mdx\_source.txt](https://forum.freemdict.com/uploads/short-url/87m3ZHJkXwbya57gm42hGXlgfXF.txt) (478.5 KB)

谷歌：token级别，直接给字体的样式数据，需要自己根据样式（不仅支持黑体识别，还支持颜色识别）去生成HTML，灵活性更高一些。缺点：因为是token级别，有时候个别token的样式识别的不太准确，导致同类样式不连续。

p.s. 谷歌开启这个功能后，价格飙升了4倍… 一开始没注意，后来发现费用怎么这么高，才发现这个功能是额外收费的… 涨价后就跟国内的这些服务差不多了。

---

_[View the full topic](https://forum.freemdict.com/t/topic/31004)._
