相同的程序运行两遍，为什么解析效果不同

[Tendo33]

如图：

[myhloli]

这个不太合理，建议上传两次解析的auto目录打包上来给我们分析一下

[Tendo33]

现在识别的效果都是第二种了，英文识别有很大的问题，完全不是完整的单词了

[myhloli]

现在识别的效果都是第二种了，英文识别有很大的问题，完全不是完整的单词了

能打包上传一下auto目录吗？

[Tendo33]

https://f.ws28.cn/f/erx5g92av8q

[myhloli]

这篇文档比较特殊，span的排版存在一些错位和空格塞入的问题

左边是auto模式使用文字版提取逻辑得到的span，右边是ocr模式提取的span。
对于这种文档，可以在命令行中添加 --method ocr 的方式强制开启ocr解析，效果会好不少
ocr.zip

[Tendo33]

有一个小问题：单论解析效果的话，开 ocr 的解析效果是不是一定是比 text 好的

[myhloli]

有一个小问题：单论解析效果的话，开 ocr 的解析效果是不是一定是比 text 好的

大多数情况下，解析模式用auto就可以了，一般文字版pdf直接提取里面的文字效果是比ocr要好的，但是在一小部分特殊文档上，直接提取文本质量会不达预期，这种需要手动强制开启ocr，对比一下哪种效果更好。