pd3f-core::bookmark_tabs:Python软件包，可使用语言模型从PDF重建原始连续文本

pd3f-core 实验性使用，请谨慎使用。 Python包，用于使用语言模型从PDF重建原始连续文本。 pd3f-core假定您的PDF是基于文本的，或者已经是OCRd。 使用pd3f-core检出以获得完整的基于Docker的文本提取管道。 :backhand_index_pointing_right: pd3f-core首先使用将PDF分为行和段落。 然后，它使用Python包中的以最可能的方式重建段落。 通过使用基于字符的计算来得出概率。 根据周围的单词，删除不必要的连字符，保留空格或换行。 它主要是为德语开发的，但也应与其他语言一起使用。 该项目仍处于初期阶段。 期待粗糙的边缘和快速的变化。 文档将得到改进（在某些时候）。 特征 线的脱字符 通过删除连字符（'-'），检查是否可以将两行连接在一起。 合理的连接线 连接线时，决定是添加简单空格（''）还是换行（'\ n'）。 反向分页符（实验性） 检查页面的最后一段和下一页的第