# PDF 数据提取复核工作表

OpenMax 编辑工作表 · 2026 年 9 月 4 日修订。为每份选定文档复制一份。这是需求与复核辅助资料，不是已验证的产品集成，也不授予上传、付款或写入权限。不要把机密文档放进未经批准的服务。九个部分共 45 个标记字段；未知事实应明确保留为未解决。

## 1. 收到的文件与访问范围

- 选定原件或受控引用：
- 接收时间、时区、字节大小及实际文件哈希：
- 获准人员、用途与保存规则：
- 获准的接收／解析环境及相应限制：
- 派生文件及其与原件的关联：

哈希识别字节，不证明签发者或真实性。原件与 OCR 副本、脱敏副本应分开。

## 2. 文档类型与所选版本

- 支持的文档类型与预期输出：
- 文档业务键及另行处理的签发者验证：
- 选定版本及选择依据：
- 修订件、替换页及排除版本：
- 分类不确定性、负责审核人及处理结果：

没有记录依据时，不要把新版封面与旧版商品页混合。

## 3. 页面清点

- 实际 PDF 页数与预期章节：
- 从 0 开始的页索引与印刷页码对应：
- 续页说明及附件关系：
- 缺失、重复、旋转或裁切页面：
- 页面完整性判断及未解决原因：

文本结果为空不证明页面空白。教学 PDF 的页索引 2 用图片呈现最后一项商品和总额。

## 4. 提取方法

- 必需页面／区域的文本、图片或混合类型：
- 所选解析／OCR／人工路径与确切工具版本：
- 已核对的输入语言、大小约束及假设：
- 阅读顺序或可见文本与隐藏文本层冲突：
- 提取失败处理及获准替代路径：

记录实际用过的方法，不要把计划调用 OCR 写成已经实测。

## 5. 字段证据与位置

- 每个字段的原页面与可见原值：
- 字段框／多边形、单位、原点及坐标约定：
- 渲染尺寸、旋转和裁切转换：
- 跨页商品行与列的对应关系：
- 表格边界外的相关标题、单位和脚注：

实际提取坐标与样例人工布置的矩形应区分。一个高亮框不证明选中了正确字段。

## 6. 类型与规范化

- 字段结构版本、名称、类型及数量约束：
- 日期／金额地区格式及来源声明：
- 原值、候选规范值及转换过程：
- 缺失、不可读、not_set 或不适用状态：
- 类型／格式冲突及需要澄清的问题：

保留编号字符。练习中 Q-00742 是字符串，03/04/2026 按 DD/MM/YYYY 解释，未设置交付日期保持 null/not_set。

## 7. 跨字段校验

- 文档支持的计算与关系检查：
- 明确的十进制计算和舍入规则：
- 输入字段引用与重算结果：
- 差额、受影响字段及容差依据：
- 解决证据，不默默覆盖原文：

练习中 300 + 300 + 240 = 840；840 + 168 = 1008 EUR；候选 100.80 的差额为 −907.20 EUR。税额属于虚构教学假设。

## 8. 重复候选与复核信号

- 相同字节重复检查结果及文件引用：
- 业务键／版本层面的重复候选：
- 置信度、其来源及按字段定义的复核规则：
- 待调查的结构异常，不作欺诈结论：
- 复核优先级、负责人及待答问题：

置信度不是实测准确率。元数据异常本身不是欺诈证据。

## 9. 整条记录放行与目标系统

- 接受／更正／拒绝的字段、审核人和原因：
- 整条记录的放行决定及未解决阻碍：
- 获准目标、字段映射与草稿／生产边界：
- 既有记录检查、重试识别和写入结果：
- 更正路径及先前放行版本关联：

字段接受、记录放行和写入授权应分开。候选练习中 9/10 非空、6/10 一致，仍不能放行：四个重要错误未解决。本文件不授予生产访问权限。

## 复核结论

文档与版本：______。确认人：______。复核日期／时间：______。未满足要求：______。下一步获准动作：______。

后果重大的用途应由相应安全、隐私、法律或财务人员审核。本工作表不是安全认证、文档真实性验证、供应商批准或付款批准。