批量 OCR入门：第一次怎么用

为什么重要

一次只改一个变量，才能知道哪项设置有用。

记录失败页。

具体怎么做

1. 先判断 PDF 有没有文本层：能选中/复制文字就不用 OCR。
2. 扫描页提高分辨率/对比度，纠正倾斜。
3. 选对语言（中/英/混合），只处理需要的页。
4. OCR 后校对数字/金额/日期/人名，别直接采用。
5. 导出 TXT/复制，保留原 PDF 和校对记录。

常见错误

• 对已有文本层的 PDF 做 OCR，反而引入错字。
• 扫描分辨率太低/倾斜，识别率差。
• 中英文混排只选一种语言。
• 不校对金额/日期/编号，直接入库。

检查清单

• 文本层/扫描页已判断。
• 分辨率/方向/对比度已处理。
• 语言/页数选择正确。
• 数字/金额/日期/人名已校对。
• 原 PDF/校对记录保留。

关键事实

• 记录失败页。
• 抽检 5–10%。

常见问题

来源: Tesseract