需求如下: 52800个PDF文件，大小为213GB， 文件名都按照数字顺序命名，内容为 扫描版和文字版 ， 其中部分扫描版pdf为双层pdf（上层显示图片，隐藏层显示文字，但部分复制时为乱码）。 为了方便查询检索，我尝试的方法如下； 方法1：使用pdf文献管理软件，文件过多导致运行卡顿，且无法获取更多信息，pdf没有任何有用的元数据。 方法2：使用文件内容索引软件，比如AnyTxt，但是OCR内容一团糟，且索引文件尺寸很大 方法3：使用Python 编程， 获取pdf内容， 索引生成 HTML文件，…