OCR证据核对：保护符号、小数与脚注
OCR 输出应当视为待确认转录，尤其当正负号、小数、脚注或列位置会改变研究结论时。进入计算前，对照原页图像核查重要单元格。表格周围文字正确，不证明数字已经正确提取。
Tesseract 质量指南讨论图像处理、分割和表格识别问题，提示研究者关注文档质量与布局，但不保证某份报告、语言、模型或扫描件的准确率。
保存原始视觉证据
记录来源身份和页码，在查看提取文本时保持原页可见。合并表头、旋转标签、阴影脚注和窄列，都可能影响含义，解释输出之前先标出这些布局特征。
转录与标准化分开：先保存页面实际字符，包括括号、横线、符号和单位，再按明确规则生成数值字段。横线可能表示零、不适用或未披露，要依据原文约定，不能为了让表格能计算就任意选一个。
| 单元格记录 | 必要内容 |
|---|---|
| 视觉位置 | 页码、表格、行、列 |
| 原始外观 | 页面打印的字符 |
| 提取建议 | 更正前的OCR文本 |
| 解释 | 符号、单位、期间、缺失状态 |
| 已核数值 | 更正结果与核查备注 |
| 下游用途 | 使用该单元格的公式或断言 |
保留纠错日志，不能只覆盖提取文件，否则以后难以调查差异来自哪里。
假设案例：一个括号改变结论
假设虚构报告用百万为单位，将经营现金流打印为 (12.5)，提取结果却是 12.5。若直接当正数，现金消耗会被写成现金创造。必须查原页和该表符号规则，才能恢复正确含义。
再假设相邻列是 1.25，因为合并表头被展平，提取工具把数值放进错误年份。数字识别可以全对，经济含义仍然错误。这是布局错误，不只是字符识别错误。
两个例子均为假设，说明需要核对完整上下文，而非只比较数字字符串。有效数值必须同时具备正确符号、单位、行、列和相关脚注。
按后果选择核查范围
直接观察支撑主要结论的全部单元格、异常符号和重要比率输入。来源提供小计时，可加勾稽检查，但合计相同也可能隐藏相互抵销错误，不能用一条等式证明每项输入。
长表可以分散抽查普通单元格，并逐项检查高影响项，但要说明哪些部分经过直接视觉复核。抽样不能称为全表逐格验证。若错误集中在某种布局，应重新检查整份文档中类似单元格。
图像质量差时，优先寻找官方文本版本或更清晰扫描。改善对比和分割可能帮助提取，但加工图像只是转录辅助，不是新的来源。保留原文，才能维持证据链。
更正后重算依赖项
修正一个单元格后，找出所有使用它的公式与句子，重新计算并更新叙述。表格已经修复而摘要仍采用旧符号或旧期间，备忘录照样错误。检查范围也应在交付记录中说明。
原图本身不可辨认时，不适合给精确结论。将该格标为待核并寻找替代资料，不让模型猜缺失数字。常见错误包括删除括号、把横线默认为零、丢单位、信任整洁 CSV，以及改了输入却不改下游主张。
核查记录还应注明是否检查整页、仅表格还是指定单元格。不同范围支持不同交付说法，不能因为若干关键数字已通过，就将整份文档写成完成逐字核验。
常见问题
OCR置信值足以接受财务数字吗？
不够。置信值不证明行、期间、符号或脚注正确，重要单元格仍需来源核查。
合计相等可以替代视觉检查吗？
它能提供一致性线索，但不能完全替代，抵销错误和列错位仍可能通过合计检查。