企业级的pdf读取文字和图片，是怎么做的

### 个人情况 我的公司现在做的ai项目需要去读取pdf ### 学习问题 pdf确实是一个比较复杂的文件，尝试了几个开源工具，效果不是很好 ### 已有尝试 PyMuPDF：提取文字可以，但图片不行 MinerU：将pdf转成markdown，大概有90%的效果 大模型qwen2.5vl:32b：抽取文字，但不能抽取图片 ### 期望帮助 我其实尝试了多个开源工具，但效果最好的还是MinerU，我期望可能得到企业级处理pdf的文字和图片的介绍或者技术

#资源# 分享一个大厂面试题的pdf，希望对大伙有帮助

【面试资料分享】#资源# #求职# #面试# 1、什么是TCP网络分层 应用层 传输层 网络互连层 网络访问层 分层的好处 2、TCP的三次握手中为什么是三次？为什么不是两次、四次？ 3、TCP的四次挥手为什么是四次？为什么不能是三次？ 4、为什么 SYN/FIN 不包含数据却要消耗⼀个序列号？ 5、什么是半连接队列？什么是SYN Flood攻击？ 6、说说TCP快速打开(TFO)的原理！ 7、TCP报文中的时间戳有什么作用？ 8、TCP 的超时重传时间是如何计算的？ 9、能不能说⼀说 TCP 的流量控制？ 10、如何理解 TCP 的keep-alive的原理？ 11、聊⼀聊TCP中的端⼝号 端⼝号与网络分层 12、TCP场景问题1 13、TCP场景问题2 14、TCP场景问题3 15、讲⼀讲telnet的用法 检查端⼝是否打开 telnet 发送http 请求 16、讲⼀讲netstat的用法 17、讲⼀讲tcpdump的用法 18、讲⼀讲wireshark的用法 19、TCP 和 UDP 的区别？ 20、如果要你来设计⼀个QQ，在网络协议上你会考虑如何设计？

#资源# 模式识别

Hello大家好，我是余白 对附件进行更新，附件更新内容如下： 【JetBrains全家桶永久激活教程（IDEA2024、IDEA2023.3、WebStorm 2023.3和DataGrip 2023.3等产品均可食用） 直链：https://blog.yumobai.cn/archives/JetBrains

#笔记# #PDF# #学习总结# 这两天学习计组时，浮点数定点数一直搞的头大，今天花了几个小时时间读了读几篇帖子，把这两个知识点梳理了一下，掺杂着一些我的理解。着重聊了聊定点数、浮点数是什么，如何表示的。不过碍于我的眼界和水平，难免会出现一些错误，有的话也请大家及时指出。兼听则明，偏信则暗，大家也可以去我文中给出的链接和专栏亲自读一读。

#资源# 阅读 学习指南 星球最全 PDF编程学习资料 内含60多种资料 阿里云盘链接： https://www.aliyundrive.com/s/MeQQkHaDMXw