做NLP算法的 请进 关于如何在文本文件中的解析

项目介绍：我们现在要将建立一个算法模型，通过算法能够自动审核文本，比如在pdf和word下，如何合并单元格、句子级别的合并、空格换行、空位标签等，请问这个怎么实现？初级学生学习中。