pdf-drawing-recognition

name	pdf-drawing-recognition
description	Extracts text and word positions from technical PDF drawings using PyMuPDF (pdf_read.py). Scans PDF folder, outputs JSON. Use when the user mentions PDF drawings, PDF folder, 识别PDF, or 图纸PDF.

PDF 图纸识别（本项目）

原则

1. 依赖：pip install pymupdf，代码中 import fitz。
2. 入口：pdf_read.py（extract_text_full、extract_pages、extract_words、list_pdf_files）；批量脚本 extract_pdf_drawings.py。
3. 默认目录：项目内 PDF/；输出 output/pdf_extracted/。
4. 扫描件：无文字层的 PDF 需 OCR，本仓库默认不做 OCR。

流程

1. list_pdf_files(".../PDF") 或使用 extract_pdf_drawings.py。
2. 对每份 PDF：extract_pages → JSON；可选 extract_words(..., 0) 做第一页定位。
3. infer_keywords_from_text 仅作线索，参数以人工或 DWG 为准。

与 CAD 的关系

• PDF：适合读文字、检索型号与尺寸数字。
• DWG/DXF：适合几何与尺寸实体；二者可对照使用。

详见仓库 PDF识别说明.md。