longcat ai 通过文本层直读与语义映射绕过ocr失真，优先解析pdf内置text operator和unicode映射表，对合规pdf提取准确率超95%，支持cid回溯、公式识别、段落重建及用户反馈闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Longcat AI 通过多层文本解析与语义校准机制，显著缓解 PDF 中的乱码问题，核心不在“修复乱码”，而在于绕过传统 OCR 或文本提取的失真路径，直接建立可理解的语义映射。
PDF 文本层优先识别，跳过图像 OCR
多数乱码源于将扫描版或图文混排 PDF 强行走 OCR 流程，尤其遇到嵌入字体缺失、字符编码异常（如 CID 编码未映射）、横向文字或非标准字库时，OCR 容易输出乱码或空格错位。Longcat AI 默认启用“文本层直读+结构还原”策略：优先解析 PDF 内置的 Text Operator 指令与 Unicode 映射表，若存在有效文本对象（/ToUnicode CMap、/ActualText 标签等），直接提取原始语义字符串，不触发图像识别模块。
- 对 Acrobat 生成的合规 PDF（含完整字体描述和 Unicode 映射），提取准确率超 95%
- 对 LaTeX 导出 PDF、Typst 或现代 Word 导出文档，通常自带完整文本层，无需 OCR
- 若检测到文本层为空或损坏，系统自动降级为“混合模式”：仅对插图/表格区域启用轻量 OCR，其余保持原文本流
动态字体解码与上下文纠错
当 PDF 使用自定义子集字体（如 .afm/.cff 字体子集）且未附带 ToUnicode 表时，Longcat AI 启用运行时字体逆向解析引擎：结合 Glyph ID → 字符形变特征 → 上下文词频模型，推测最可能的 Unicode 码位。例如，“”这类符号常被误提为“�”或“â–º”，系统会基于前后出现的项目符号模式（如“1. … 2. …”）、缩进一致性及常见符号词典，将其映射为 U+2022（•）或 U+27A4（➤）。
- 支持中日韩汉字的 CID-to-Unicode 多映射回溯（兼容 Adobe-Japan1-6、GB-EUC、UTF-16BE 等主流编码场景）
- 对数学公式区域，调用专用符号识别器，区分斜体变量（x）、希腊字母（α/β）、运算符（∑/∫），避免统一转为乱码占位符
- 每段提取后执行 n-gram 语言模型打分，低置信度片段触发局部重解析，而非直接丢弃
结构感知的段落重建
PDF 本身无段落概念，原始文本流常因换行符缺失、空格压缩、列布局断裂导致语义割裂。Longcat AI 在文本提取后插入“逻辑段落重建”步骤：利用字体大小/行距突变、缩进变化、标点密度、以及视觉坐标聚类（PDF 页面坐标系下的文本块空间关系），重新组织成符合阅读习惯的段落，并保留标题层级、列表项、脚注锚点等结构信息。
- 识别“连续小写字母+句号+空格+大写字母”模式，自动补全被截断的句子边界
- 对双栏 PDF，按 Y 坐标分组后再依 X 坐标排序，避免左右栏文字交错拼接
- 脚注与正文分离处理，通过“¹ / [1] / 上标数字”等线索定位并关联引用位置
用户可控的修复反馈闭环
系统提供“提取预览+差异标注”界面：左侧显示原始 PDF 片段，右侧呈现 Longcat 解析结果，乱码嫌疑字符以浅红底色高亮，并给出替代建议（如“疑似‘函数’→ 当前提取为‘函数’，是否替换？”）。用户点击确认后，该字形映射会被存入个人字体缓存，后续同类 PDF 自动复用。
- 支持上传 PDF 的字体文件（.ttf/.otf）用于离线映射校准
- 企业版开放 API 接口，允许对接内部术语库，对专业缩写（如 “LSTM”、“ReLU”）强制保留原写法，不作 Unicode 归一化
- 所有修正操作留痕，可导出清洗日志供合规审计
