从 PDF 中提取表格长期依赖规则解析或专用工具，而大模型的文件读取能力提供了另一条路径。OpenRouter 近日发布教程，展示了如何借助 LLM 完成这一任务。

教程的核心做法是把 PDF 以文件形式发送给能够读取文件的模型，同时附带一份严格的 JSON schema。模型据此输出结构化的表格数据，每一行都带有明确的字段类型，而非自由文本。

值得关注的是数据清理环节。教程将括号表示的负数、千分位分隔符以及脚注标记等常见干扰项的处理规则，直接写入 schema 的字段描述中，让模型在抽取阶段一并完成规范化。

这一方法把格式约束前置到提示层面，减少了后续人工清洗的成本，为需要从文档中批量获取结构化数据的场景提供了可复用的思路。

对 AI 应用开发者而言，该教程的价值在于示范了如何用 schema 描述同时约束输出结构与清洗逻辑，使 LLM 在文档解析流程中承担更完整的角色。