# 全文OCR v2报告
日期：2026-10-18。原件目录与文件内容保持不变。
## 完成度
| 项目 | 结果 |
|---|---:|
| 本轮待处理扫描材料 | 19份 |
| 本轮新增逐页OCR | 7,330 / 7,330页 |
| 全部扫描材料OCR处理范围 | 20份，7,683 / 7,683页 |
| OCR调用失败 | 0页 |
| OCR没有取得文字 | 43页（不自动认定原页空白） |
| 不同内容的PDF | 25份，8,924页 |
| 已有文字层提取 | 5份，遍历1,241页 |
| 当前有文字的可检索页 | 8,864页 |
| OCR质量筛查标记页 | 929页 |
## 如何理解完成
所有指定扫描页均已有识别状态记录，没有缺页或调用失败；不代表OCR逐字准确率100%。识别结果未经逐页逐字人工校对。OCR空文本、文本稀少及低置信度页列在`02-资料索引/OCR质量待复核页.csv`，置信度用于排查而不是准确率。
## 本轮更新
新增20份带`_全文OCR_v2`后缀的扫描材料文本及逐页原始识别记录，更新SQLite、离线HTML、CSV清单、manifest和导航的识别范围。此前课程分组、知识卡片、案例分析和个人模板保留，仅更新指向扫描全文的链接。旧文本保留，发布前另行备份旧知识库。
## 仍存在的限制
- 图表、公式、跨栏阅读顺序、专有名词和数字仍可能存在识别错误；正式引用回到PDF原页。
- 5份文字层材料仅提取其原有文字层，图片中的文字不保证完整。
- ZIP内加密PDF未读取；教师指定版本、学校论文要求和跨设备iCloud同步状态未核验。
- 本轮没有自动补写教材章节总结或新增缺乏证据的知识卡片。
## 验证
逐书页码集合须等于1至原书页数；JSON、SQLite及离线HTML记录须一致；所有OCR记录关联原件SHA-256；原件哈希、导航链接、检索和页面逻辑在发布前后复验。实际结果另见`全文OCR_v2验证结果.md`。