未来毫无疑问是人工智能的时代，而自然语言处理（Nature Language Processing NLP）是人工智能皇冠上的明珠，是计算机科学领域与人工智能领域中的一个重要方向。该领域的处理对象为人可直观阅读的语言文字，各类文档是数据的一个重要来源，其中PDF文件占正规文件的绝大部分比重。但由于市场的原因，PDF文档并未像其他许多格式文档开放内容组织格式、内容读取接口，并且通过扫描形式形成的PDF，也无法利用简单途径获取文字内容。如何从PDF文件中提取文字，交付于自然语言处理程序识别处理，对相关业务工程有极其重要的作用。

　　智能思创利用PDF读取方法、图形图像处理方法和光学字符识别(OCR)方法，围绕上述各个难点，构建创造性的解决方法流程，精准高效的完成文档内容提取和再组织任务，高准确率的还原PDF原始内容与格式。