121 页 PPT 导出的 PDF，公式全是碎的：我把它拆成了可打印的知识结构

零基础学机械设计之工程力学A.pdf

我本来以为它是扫描版书籍，用 OCR 慢慢识别就行了。打开之后发现不是——它是

我提取了全文，1714 行。第一反应是"这不挺好处理"，然后立刻傻眼：

[p009] 三角函数
[p009] 正弦函数    sinA =
[p009]             正弦 = 对边
[p009]             斜边
[p009] 余弦函数    cosA =
[p009]             余弦 =
[p009]             邻边
[p009]             斜边
[p009] 勾股定理：a2 + b2 = c2

这不是个例。全书 194 张图里，大量是公式截图、受力图、例题配图。文字层能提取出"正弦函数 sinA ="这几个字，但

如果我直接拿这份提取结果去做知识整理，会得到一份到处都是 

 这种半截话的资料——看着像那么回事，用起来完全不能查。

坑 1：公式被切成碎片，跨行断裂

上面那个例子是最典型的。公式的分子分母、上下标，在 PDF 里是

，文本层只能拿到标签，拿不到结构。

。凡是靠文本提取会丢失结构的，一律标记为"需原件保留"，从原 PDF 里截图嵌入对应位置。

提取出来如果读不通，就说明结构在图里，别猜

不处理的话，121 个节点里会有几十个带 QQ 号的垃圾条目，导图直接被污染。

，匹配到水印特征的行直接丢弃。这一步必须在结构化

做，不能等到生成导图时再清——那时候已经混进节点里了，清不干净。

坑 3：没有书签，只能靠页首行重建目录

标准做法是读 PDF 书签→ 按章节分批处理。但这份文件

第一反应是"那就按页码顺序全量丢进去吧"，结果就是前面说的：

层级全部塌陷，所有内容挤在一二级

，因为模型在没有目录的情况下会把并列内容当成同一层。

改用的办法——每页首行重建骨架

我扫了全部 121 页，把每页第一行有效文本当作该页的标题候选。人工过一遍之后，骨架就出来了，而且相当干净：

p006  代数和三角函数
p010  标量与矢量
p011  静力学公理
p024  力矩
p036  约束力和约束反力
p048  空间力系
p065  重心和质心
p066  静力学总结
p068  运动学
p088  动力学
p113  刚体的运动

这就是全书脉络，一眼能看完。

 前面几篇我讲 AI 怎么整理，其实都建立在"已经有清晰目录"这个前提上——真实场景里最难的恰恰是这个前提不成立。

① PDF 全文提取（保留页码）
② 噪声行过滤（去水印）        ← 必须前置，不能后补
③ 每页首行提取 → 重建目录骨架   ← 无书签时的替代方案
④ 人工校验骨架是否符合预期      ← 核对章节名和数量
⑤ 按章节分批做结构化（每批 5~8 章）
⑥ 每批回显节点数 + 章节名，人工核对
⑦ 合并 → 渲染成可打印版

参数表（调稳定之后固化下来的）

我自己漏过两次内容，都是全量批处理时掉的。改成每批回显核对之后，一次没漏。

这不是"更严谨"这种正确的废话，是

：不看内容，只看数量和章节名，对不上就打回重做。

按上面流程跑完，全书骨架是这样的：

——静力学这58 页是有明显层级的：

静力学公理（五条）
  ├─ 公理一、二力平衡条件
  ├─ 公理二  二力平衡条件（等值、反向、共线）
  ├─ 公理三  加减平衡力系原理
  │     ├─ 推论1  力的可传性原理
  │     └─ 推论2  三力汇交平衡定理
  ├─ 公理四  作用与反作用定律
  └─ 公理五  刚化原理

而"约束和约束反力"又是另一条线：光滑面约束 → 光滑圆柱铰链约束 → 链杆约束 → 受力分析和受力图，后面配 4 道例题（例题 1~4）。

这种层级关系，PDF 层面完全没有体现

，只能靠重建骨架 + 分批结构化才能拿到。

1. 先验证输入质量，别急着设计流程

我最开始准备了三步方案，实际上第一步就发现问题：文字层能提取，但结构全在图里。

如果不先做这一步检测，后面的设计全是白费。

输入质量决定了流程形态，不是反过来。

2. "结构在图里"的内容，就该保留原件

公式、受力图、例题配图——这些交给 AI 转述就是制造错误。正确做法是标记位置、原件嵌入。

这不叫分工不足，叫用对工具。

 我一开始也想让 AI "描述"公式，后来发现描述出来的东西自己都不敢用。

正常情况下读书签就能拿到目录。但真实文件经常没有——这份是 PPT 导出，零书签。

这个方法很粗糙，但它管用。工程上大部分时候够用的方案，不是最优雅的方案。

去水印这种活儿，10 行代码的事。但如果放到生成导图之后做，要从头重来。

有做过的朋友欢迎交流，特别是第三点。

：#WorkBuddy #AI工具 #机械设计 #PDF处理 #知识管理 #工程力学

我本来以为它是扫描版书籍，用 OCR 慢慢识别就行了。打开之后发现不是——它是PPT 直接导出的 PDF，特点很明显：

#WorkBuddy# 121页图片型PDF公式全是碎的，我把它拆成了可打印的知识结构

人工智能

将121页无书签图片型PDF重构为可打印、可检索的结构化知识体系。通过噪声过滤、每页首行重建目录骨架、分批结构化校验，完整保留公式与受力图原件，确保工程力学教程的层级清晰与内容可溯源性。

WorkBuddy 

2026上云采购 | AI焕新·智启新局

workbuddy

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

#WorkBuddy# 121页图片型PDF公式全是碎的，我把它拆成了可打印的知识结构

#WorkBuddy# 121页图片型PDF公式全是碎的，我把它拆成了可打印的知识结构

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐