基于框坐标的PDF文本提取方法和装置

本申请公开了一种基于框坐标的PDF文本提取方法和装置，涉及文本提取技术领域。该方法包括：根据设置有框坐标的若干原始文本块，对PDF文档进行版面分析，得到设置有框坐标和类型标签的若干标准文本块；对设置有框坐标和类型标签的若干标准文本块进行有向图建模，得到有向图；使用群智能优化算法，获取有向图的文本排序路径，并根据文本排序路径，对有向图对应的标准文本块进行连接，得到PDF文本流。解决了现有技术存在的对复杂版式适应性差、语义理解能力弱以及缺乏全局优化视角的问题。