表格与公式
对“可读的 Markdown”来说，最难的是两类内容：表格与公式。它们往往决定了文档是否真的可用于检索与下游处理。
表格：优先结构，再优先样式
Section titled “表格：优先结构，再优先样式”对 Markdown 来说，最稳定的目标是把表格还原成“行 × 列”的结构，避免错行、合并单元格丢失导致语义断裂。
当你发现表格错行时，先判断表格来源：
- 文本表格：通常结构更稳定
- 扫描表格：更依赖 OCR 与版面理解，错行概率更高
公式：优先可解析表达
Section titled “公式：优先可解析表达”公式的“正确”不只是外观相似，更关键是能否被下游系统复用（例如渲染、计算或检索）。
如果你的目标是检索与 RAG：
- 先保证公式文本存在（不要丢）
- 再考虑统一格式（例如保留 LaTeX 表达）
- 先做 10 份样本抽检，再决定默认模式
- 对“表格密集型 PDF”，建议单独做一条解析策略与后处理链路
- 把“错误样例 PDF”沉淀为回归样本，持续验证质量
延伸阅读：