# cdcailf/cjkfold

- 原标题：cdcailf/cjkfold
- 类型：项目
- 来源：GitHub
- 发布时间：2026-10-13
- 首次精选：2026-10-26 15:45
- 分级：值得看
- 学习层级：进阶
- 主题：[rag-search-retrieval](<https://oplearnx.com/md/topics/rag-search-retrieval.md>)（第 4 位）、[document-understanding](<https://oplearnx.com/md/topics/document-understanding.md>)（第 5 位）
- 原文链接：[https://github.com/cdcailf/cjkfold](<https://github.com/cdcailf/cjkfold>)
- 本站页面：[https://oplearnx.com/resources/pk\_2175759adb3a](<https://oplearnx.com/resources/pk_2175759adb3a>)

## 摘要

这是一个 Python 库，用于把形近的 CJK 字形（康熙部首、CJK 部首补充等）折叠回常见汉字，使从 PDF 中提取的文本能正常匹配。README 举例说明「⻆」「⾊」等字符渲染上像「角」「色」但实际码位不同，导致字符串包含判断失败；提供 fold 函数进行归一化，并说明无运行时依赖、纯函数、支持 Python 3.9\+。仓库还附有一篇关于 PDF 中文抽取后无法检索的中文背景文章，并提到建立在其上的 corpusfold 项目。

## 热度

- 7 天新增 star：+6
- 30 天新增 star：+209
- Hacker News：没有
- 社区讨论：0 帖

## 项目信息

- 语言：Python
- 许可：MIT
- 最近提交：2026-10-15
- Star：192
- Fork：8

## 上手方式

```bash
pip install cjkfold
```

摘自 [README](<https://github.com/cdcailf/cjkfold/blob/main/README.md>)

## 原文涉及

- [GitHub - cdcailf/corpusfold: Turn messy Chinese documents into a clean, traceable knowledge base.](<https://github.com/cdcailf/corpusfold>)

---
来源：LearnMap · 学径（https://oplearnx.com）