- PDF 是一种在保留文档视觉保真度方面非常成功的技术，但并非为机器阅读而设计。
- 该格式源于 PostScript，后者专注于以几何精度进行打印，而非语义结构。
- PDF 之所以普及，是因为它能让文档在不同系统中看起来完全相同。
- 从 PDF 中提取结构化数据（如文本、表格或阅读顺序）需要进行复杂的重建和推断。
- PDF 有很多类型（原生数字文档、扫描版、带标签版），它们的行为各不相同，使得解析变得复杂。
- 由于缺乏固有的表格结构，从 PDF 中提取表格尤其具有挑战性。
- 存在用于增强可访问性的带标签 PDF 标准，但实施情况参差不齐。
- 围绕 PDF 的生态系统包含大量库和工具，以解决其局限性。
- PDF 的历史展示了，一个针对某一问题的优秀解决方案，在转而用于其他用途时是如何变得棘手的。