WorkBuddy如何处理PDF扫描件：OCR文字提取准确率提升指南 操作

应先确认PDF类型再针对性处理：无法选中文本为扫描件需OCR，可选中但错位则关闭OCR；WorkBuddy自动标注类型，PDF转文字时禁用“保留样式”和“提取图片”，低置信度页需图像校准，AI指令可精准提取结构化字段，批量处理支持跳过空白页与低置信度页。

你需要从PDF扫描件中提取准确、可编辑的中文文字，但当前识别结果错字多、漏行严重、表格全乱，甚至部分页面直接空白——这通常不是OCR引擎本身的问题，而是图像预处理与参数匹配没到位。

先确认PDF是否真是扫描件

打开PDF用鼠标拖选任意一页的文字，如果完全无法高亮选中，或右键“属性→安全”里显示“禁止复制”，【必须启用OCR】；若能选中但文字错位、缺字，说明是文本型PDF但编码异常，此时OCR反而会干扰，应关闭OCR走纯解析路径。

在WorkBuddy中上传该PDF后，界面右上角会自动标注“扫描件”或“文本型”，别信文件名，只信这个标签。

用主界面“PDF转文字”功能提取（推荐新手）

第一步：启动WorkBuddy并登录，点击首页中部“PDF处理”卡片→进入功能中心。

第二步：拖入PDF文件（支持单次最多200个），等待状态栏显示“已就绪”。

第三步：右侧配置栏中，确认输出格式为“纯文本(TXT)”，【务必取消勾选“保留样式”和“提取图片”】——这两项会大幅拖慢OCR速度且对纯文字提取无益，还容易引入乱码。

第四步：点击“开始转换”，进度条下方实时显示“第X页｜OCR置信度：86%”等数值，若某页低于70%，说明该页图像质量差，需单独处理。

手动校准图像参数提升OCR准确率

方法一：针对单页模糊/反光/倾斜的扫描页

在“PDF转文字”任务预览页中，点击待处理页缩略图→弹出“图像增强面板”→拖动“锐化强度”至65～75档，“对比度”调至80档，“去阴影”开启→点击“应用并重试OCR”。

方法二：针对整份PDF存在统一偏色（如泛黄旧纸）

上传PDF后不急着点转换，在文件列表页长按该PDF→选择“批量图像校准”→系统自动分析色偏曲线→点击“应用暖色滤镜（旧纸专用）”→校准完成后再执行OCR。

注意：校准仅作用于OCR识别环节，不修改原始PDF文件。

用自然语言指令触发AI精准提取

在WorkBuddy顶部聊天框输入：“提取D:扫描件发票合集.pdf中所有发票号码、金额、开票日期三列文字，跳过盖章区域，输出为CSV，字段用英文逗号分隔。”

AI会自动识别文档结构，定位“发票号码”“金额”等关键词锚点，绕过印章遮挡区，按列抽取而非整页OCR——这对带固定字段的扫描件（如发票、报表、单据）准确率提升最明显。

若提示“未找到发票号码字段”，说明扫描质量太差，需先用上一步图像校准再重试。

批量处理扫描PDF时过滤无效页

1、进入“文件助手”模块→点击“添加文件”→选择含多个扫描PDF的文件夹。

2、上传完成后，长按任一PDF→选择“OCR识别全部页面”→弹出高级选项。

3、勾选“自动跳过空白页”和“忽略低置信度页（<65%）”，【此项可防止一页识别失败导致整份PDF中断】。

4、点击“确认执行”，任务完成后，输出目录中除TXT外，还会生成一份“ocr_fail_log.csv”，记录每份PDF中被跳过的页码及原因。