整理扫描件前先做什么：用 OCR 结果辅助文件命名和人工复核

处理扫描合同、票据或图片资料时，你可以先备份原件，再用支持 OCR（光学字符识别）的工具提取文字，辅助分类和拟定文件名。这样能减少逐份打开、查找和录入的工作；但识别结果可能出错，尤其是低清晰度图像、表格和手写内容，正式归档前仍要对照原件人工复核。

1. 先建立原件备份

开始识别前，先把扫描件复制到单独的原件目录，例如“扫描资料/原件”。确认文件数量和打开情况正常后，再在另一目录中处理副本。不要直接覆盖原始图片或 PDF，也不要把 OCR 生成的可搜索 PDF 当成唯一原件保存。

可以按下面的结构区分来源和处理状态：

扫描资料/
├── 原件/
├── OCR处理中/
├── 待复核/
└── 已归档/

如果资料重要，备份还应存放在与工作目录不同的位置。复制完成后，抽查文件能否打开；批量处理时，也要确认没有漏掉子文件夹中的内容。

2. 准备文件并选择 OCR 工具

先检查扫描件是否完整、方向是否正确、页面是否缺失。倾斜、阴影、污渍或过低分辨率都可能影响识别；能重新扫描时，优先修正图像质量，而不是期待 OCR 自动补全信息。

选择工具时，重点看它是否适合你的文件和隐私要求：

• 文件类型：确认工具能处理你的图片或 PDF；若需要搜索原文，检查它是否支持输出带可检索文字的 PDF 或文本文件。
• 识别语言：按材料内容设置语言。混合中英文的文件，检查工具是否支持多语言识别。
• 处理位置：涉及合同、个人信息或财务材料时，先确认文件会在哪里处理、是否会上传到第三方服务，以及服务的保存和删除规则。无法确认时，不要上传敏感原件。
• 批量方式：文件较少时可逐份处理；数量较多时，先用几份副本测试，再批量运行，避免错误设置影响整批文件。

不同软件的菜单名称和选项可能不同。通常可以在“打开文件”或“导入”中选择副本，再进入“OCR”“识别文字”或类似功能，设置语言和输出格式。先用一两份代表性文件试跑，确认效果后再扩大范围。

3. 用明确规则辅助分类和命名

OCR 结果适合用来寻找日期、单位名称、单据类型等候选信息，但不宜直接把识别出的内容拼成最终文件名。建议先制定统一规则，例如：

日期_类别_对象或事项_编号_复核状态.pdf

示例：

2025-03-08_合同_设备采购_编号待核_待复核.pdf

示例中的日期和类别只是命名格式演示；实际内容应以原件为准。没有把握的字段可以写“待核”，不要根据 OCR 猜测后补进文件名。

实际操作可以按以下顺序进行：

1. 提取候选字段：从 OCR 文本中查找日期、标题、合同双方、票据号码或金额等信息。
2. 先分大类：依据你自己的目录规则分成合同、票据、证明材料等类别。不要因为识别结果里出现某个词，就自动认定文件属于某类。
3. 拟定文件名：只填入能从原件确认的字段；尚未确认的部分标记为待核。
4. 保存识别结果：若工具支持，可把可搜索 PDF 或文本结果存到工作目录，并与原件保持对应关系。
5. 复核后归档：人工核对关键字段，确认后再移入“已归档”，并移除临时状态标记。

4. 把人工复核放在归档之前

OCR 输出是识别候选，不是经过确认的正式数据。复核时优先检查会影响检索、付款、履约或后续处理的字段：

• 日期和编号：容易把相似数字、字母或分隔符认错。
• 金额和小数点：重点核对数字位数、币种符号及大小写金额是否一致。
• 姓名、单位和账号：字符相近时容易发生误识，不能仅凭上下文推断。
• 表格内容：识别可能打乱行列对应关系；逐项确认字段属于哪一行、哪一列。
• 页码和附件：确认识别文件没有漏页、重复页，附件与正文仍保持对应。
• 文件名与正文：从文件名进入资料夹时，仍要确认文件内容确实与命名相符。

不需要逐字校对每份材料的全部内容时，也至少应核实命名所依赖的字段，并查看关键页和异常段落。对金额、期限、编号等重要信息，可以让第二个人复核，或按业务流程保留复核记录。

5. 低质量图像、表格和手写内容怎么处理

如果识别结果明显混乱，先回到图像本身排查：页面是否歪斜或模糊，文字是否过小，背景是否有阴影，页面是否被裁切。条件允许时重新扫描或拍摄，并保留原文件；图像增强可以作为副本处理，不要替换原件。

表格中出现错列时，优先对照原表逐行检查，不要直接复制 OCR 输出到正式表格。手写内容、盖章覆盖的文字和涂改处尤其容易误读；看不清的内容应标记“待核”或“无法辨认”，不要补写成确定值。若某个字段对后续工作很关键，应回到纸质原件或向资料提供方确认。

6. 敏感文件与常见问题

合同、身份证明、医疗材料、财务凭证等可能包含敏感信息。处理前先确认你有权处理这些文件，并遵守所在单位的资料管理要求。使用在线 OCR 服务前，核实上传范围、保留时间、删除方式和访问权限；不适合上传的材料，应使用符合内部要求的本地工具或受控环境。不要为了方便，把未脱敏原件发送到个人账号或公开共享空间。

识别结果为空或乱码：检查工具是否支持文件格式、扫描分辨率和识别语言；页面旋转、压缩或模糊也可能影响结果。

批量命名后文件对不上：先停止批处理，保留原件和处理副本，抽查文件数量、名称与内容的对应关系。不要在未验证映射关系时继续移动或覆盖文件。

OCR 结果与原文不一致：以原件为准，修正文件名和分类；如果原件本身无法辨认，保留不确定标记并进一步确认，不要把识别文本当成补证。

是否可以删除原件：不建议因为已经生成 OCR 文本或可搜索 PDF 就删除原扫描件。识别结果可能遗漏版面、签章或手写痕迹；是否保留原件应按你的业务要求和资料管理规则决定。

7. 归档前的快速检查

每份资料归档前，确认原件有备份、文件名字段已对照原件、分类符合目录规则、关键内容没有未处理的识别错误，敏感文件也保存在合适的位置。把 OCR 用作检索和整理的助手，再由你核对并决定最终文件名，能兼顾处理效率与原件可追溯性。