RAG 檢索增強生成由2部分構成：一是離線對異構的數據進行數據工程處理成知識，并存儲在知識庫中，二是基于用戶的提問進行知識庫的檢索增強。如下圖所示：

其中最關鍵的一個環節是 PDF 格式的文件如何提取成知識，下面詳細剖析。

1、PDF 文件中文本數據如何提取？

能夠處理文本提取的 Python 庫有多個，其中較為知名的包括 pdfminer.six、PyMuPDF、PyPDF2 和 pdfplumber。在這些庫中，PyMuPDF 因其出色的文本提取能力而備受推崇。特別是在處理雙欄布局等復雜格式的 PDF 文件時，PyMuPDF 能夠最大程度地保留 PDF 的閱讀順序，這對于確保文本內容的準確性和完整性至關重要。

下面我們將以雙欄布局的 PDF 文件為例，展示使用 PyMuPDF 庫進行文字提取的效果。

進行文本提取的代碼如下所示：

打印的結果如下所示：

2、PDF 文件中表格數據如何提取？

在處理表格提取任務時，camelot 和 tabula 是兩個備受推崇的庫。它們各自在提取有線表和少線表（即含有較少分隔線的表格）方面展現出了良好的效果。接下來，我將分別以有線表為例，簡要介紹 camelot庫的使用。

camelot 是一個強大的 Python 庫，專門用于從 PDF 文件中提取表格數據。對于有線表，即表格中包含明確分隔線的表格，camelot 表現出色。通過指定 PDF 文件路徑和表格所在的頁面區域，camelot 能夠準確地識別并提取出表格中的數據，比如有線表原始數據：

使用 camelot 提取有線表的示例代碼如下：

表格數據的打印結果如下所示：

3、掃描 PDF 的文本數據如何提取？

在從掃描的 PDF 文件中提取文本時，使用開源的 PaddleOCR，并且用 PPStructure 做版面的分析。我們還是以下面的 PDF 文件為例，不過這是 PDF 文件的掃描版。

提取文本的代碼如下：

得到的結果如下所示：

圖中的左邊是根據給出的版面分析結果畫出來的，可以看出對雙欄 PDF 做了正確的解析。右邊是根據識別出來的文本以及文本的坐標畫出來的，可以看出基本上和左邊的版面以及內容是一致的。

本文轉載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/fsntWsBQMZY2hjBXKAcC2w??