.pdf · application/pdf

PDF: 便携式文档格式

PDF 通过二进制流和字形坐标描述精确的固定页面排版,而非语义化的段落或标题层级。

快速解答: PDF 通过二进制流和字形坐标描述精确的固定页面排版,而非语义化的段落或标题层级。 版式严格固定不变的商业合同、发票单据、学术论文及只读归档分发。

结构类型复合文档
人类可读性低
支持嵌套不支持
LLM Token 效率低
文件扩展名.pdf
MIME 类型application/pdf
适用场景版式严格固定不变的商业合同、发票单据、学术论文及只读归档分发。

核心优势

  • 在任何操作系统和打印机上都能保持完全一致的字体、边距与版式
  • 将 Markdown 导出为适合对外分享的正式报告时的理想目标格式
  • 正式签章文件、票据与长期归档领域的行业通用标准

局限与权衡

  • 二进制格式无法直接贴入提示词,未经提取很难被 LLM 高效检索
  • 多栏排版与硬换行在普通复制时经常把完整句子拦腰截断
  • 纯图片扫描版 PDF 若未经过 OCR 处理则不含可选中文本层

参考资料

本地转换与清理 PDF

相关工程指南

PDF 常见问题

TxtTo 如何在不上传机密文件的前提下本地提取 PDF?

TxtTo 在浏览器内存中运行本站自托管的 PDF.js 引擎,依据字号还原标题并智能合并断行,全程零外部请求。

能在本地把 Markdown 导出为真正的二进制 PDF 吗?

可以。Markdown 转 PDF 使用 pdf-lib 在浏览器中直接生成标准 %PDF-1.7 文件,并内置高分辨率 Canvas 回退方案完美支持中日韩文字。

为什么提取出来的 PDF 文本总带有重复页眉或页码?

PDF 把每页重复的页眉页脚当作普通视觉文本绘制。勾选“剔除页眉与页脚”即可自动识别并过滤。