从扫描表格到可用数据：先校版面，再校数字

扫描 PDF 中的一张表，可能看起来很清楚，转换后却出现金额跑到上一行、负号消失或两列合并。AI 和文字识别工具可以加快转录，但最终交付的数据必须能够回到原图。先建立位置关系，再进行计算，通常比直接要求“识别成表格”更可靠。

先确认这份材料的结构

检查页数、表头、跨页重复标题和脚注位置。文字型 PDF 与整页扫描图的处理方式不同，不能因为能选中部分文字就假设所有内容都可正确提取。遇到旋转、倾斜或模糊页面，先评估是否需要重新扫描或调整图片，而不是让模型在看不清时猜数字。

为每行增加原页码及行序号，必要时记录表格编号。这样抽查或发现异常时，可以迅速定位原图。跨页续表要判断是否沿用上一页表头，不能把每页第一行都当新数据。页码与坐标属于工作复核信息，最终呈现可以隐藏，但不要在确认准确前丢掉。

合并单元格、分组表头和单位说明需要先展开。假设表头在金额上方另有“单位：千元”，数据列就不能按元直接计算。对一行内多段说明，不要为了列数整齐将它们随意拆开。字段结构明确后，再将识别值填入，缺失或不清楚的部分单独标记。

零与字母、负号与短横线、小数点和千位分隔符都可能影响结果。编号、日期和金额应按各自类型检查，而不是统一转成数字。前导零可能是编号的一部分；括号可能表示负数，也可能只是注释。必须结合原表语境确认，不能仅靠格式看起来合理。

行数、分组小计和总计可以帮助发现遗漏，却不能证明每个单元格都正确。两个错误可能相互抵消，错行也可能保持总和不变。先核对关键字段及异常项，再用小计进行交叉检查；原件自身若有计算矛盾，应保留原值与核算结果，不静默修改成你认为正确的数字。

对无法辨认的内容列出页码、字段和需要补充的材料，让后续处理者知道哪里不能用于计算。确认后的数据与原扫描件应有明确对应关系，避免以后用新文件覆盖来源。若内容包含个人或商业信息，转录与分享范围也应遵守原有权限，而不是因为变成表格就扩大传播。