#OCR

2 篇文章

財報分析自動化的第一道瓶頸是機器讀不進 PDF。本文拆解文字層抽取、OCR 與版面分析三條路徑，解釋財報表格為什麼特別難讀、OCR 之後為什麼必須人工校對，並給出結構化輸出（JSON schema）的設計概念。

承接 PaddleOCR 實戰，把「讀出文字」推進到「可用的數據」：定位財報頁、處理跨頁表格、三表與分部資訊的欄位對應、單位統一、JSON schema 設計，以及用勾稽關係自動校對的完整管線與檢查表。