核心肯定是ocr，具体流程那就不清楚了  第一步肯定是ocr来识别pdf的内容，然后进行算法解析内容，这个具体的文本算法不知道是啥 它肯定具备了格式转换之类的工具 比如空格，换行符调整等等让文本内容更加能够解析到