OCR得到的是识别结果
Tesseract官方手册介绍从图像提取文字的能力。识别文字不等于已经核准原件内容；倾斜扫描、印章、表格线和低清晰度都可能影响结果，后续AI问答也可能沿用这些错误。
先检查会改变意义的位置
建立原文件、页码和识别文字的对应关系，优先查看金额小数、计量单位、日期、条件词和否定表达。表格还应核对行列是否错位，脚注是否被拼入正文。原件无法辨认时保留标记，不根据上下文悄悄补全。
抽查可以按扫描质量和内容类型分组，而不是只看前几页。对于高影响的信息，由客户指定人员逐项核对。重复识别得到相同结果也不等于准确，验收仍需回到原件。
交付给下一环节的内容
除文字外，还应给出页码索引、异常位置及核对状态。法律法规或官方附件未经逐项核对，不将OCR输出标为准确原文。延伸阅读：PDF文档问答研究。