如何从PDF提取半结构化表格？含pdfplumber替代方案及跨页处理

标题（Headings） #

使用#号表示标题层级，#数量越多层级越低，最多支持6级：

• 一级标题 #

• 二级标题 #

• 三级标题 #

• 四级标题

• 五级标题

• 六级标题

列表（Lists） #

无序列表 #

用短横线-作为列表项开头，支持嵌套：

• 第一列表项
• 第二列表项
  • 嵌套子列表项1
  • 嵌套子列表项2

有序列表 #

用数字加.作为列表项开头，支持嵌套：

1. 第一有序项
2. 第二有序项
   1. 嵌套有序子项1
   2. 嵌套有序子项2

文本强调 #

• 斜体：用单个星号*包裹文本，例如：这是斜体文本
• 加粗：用两个星号**包裹文本，例如：这是加粗文本
• 加粗斜体：用三个星号***包裹文本，例如：这是加粗斜体文本

代码与命令 #

• 行内代码：用单个反引号`包裹，例如：print("Hello World")
• 代码块：用三个反引号```包裹，可指定语言实现语法高亮：

def hello():
    print("Hello World")

引用文本 #

用大于号>包裹引用内容，支持多层嵌套：

这是一级引用内容

这是嵌套的二级引用内容

链接 #

格式为[链接显示文本](链接地址)，例如：示例链接

图片 #

格式为[图片替代文本](图片地址)，例如：示例图片

内容的提问来源于stack exchange，提问作者Alex