《PDF表格提取相关算法综述》2400字.docVIP

-

PDF表格提取相关算法综述

1.1PDF简介

PDF（PortableDocumentFormat）可携带文档格式是由美国Adobe公司于上世纪末发展出来用于文件交换的一种格式，设计的初衷就是为了便于在不同的操作系统、应用程序、设备硬件等方面进行文件的交换。因PDF采用了基于PostScript语言的图像模型的渲染，其可以在不同平台保持完全一致的输出内容，具有出色的跨平台拓展性。PDF能成为现如今网络上最流行的电子文档交换格式之一正因为有这样的优点。

PDF的图像模型基于PostScript语言搭建。这是一种用于电子产业和出版领域的一种页面描述性语言，主要用于在打印机层面描述字符、图形、操作符在页面的构成方式。PDF之所以能够做出如此精准的排版，离不开基于PostScript所建立的透明成像模型的支持。由于PDF在生成和输出图形状态的操作符与对象时很大程度上借鉴了PostScript语言的表达方式，因此我们还可以将PDF视为PostScript的衍生物。PDF成像技术的特点还包括多类型的字体嵌入，其可以使字体随文件一起传输，并通过内部强大的字体管理器在PDF阅读软件上高保真地还原文档字体。

PDF与其说是一种数据格式，不如说它就是一组打印指令的集合，通过这些指令告诉机器应该在纸张的什么位置显示什么样的对象，完全没有如docx或者html等格式文件中所包含的逻辑结构如ta