摘要： 最近在看浏览器端 OCR 的实现，看到一个容易被忽略的地方：识别模型的输出，和用户想要的结果，中间隔着一层不小的工程。 模型给你的是「文字框 + 内容 + 置信度」，一堆散点。用户想要的是能直接粘进 Word 或 Excel 的东西。这中间的还原过程——判断哪些框属于同一行、哪些行构成一段、哪些列构 阅读全文

摘要： 整页栅格化和只重编码内嵌位图是两回事。实测同一份 4 页报告的四档结果，并逐项验证文字、链接、页面框是否原样保留。 阅读全文

摘要： 上个月有人反馈，在 iPhone 微信里用我的工具把图转成 WebP，下下来的文件在电脑上打不开，看图软件提示格式不对。 我第一反应是编码器写崩了。拿到那个文件用十六进制看了一眼，前四个字节是 89 50 4E 47——PNG 的魔数。文件名后缀写着 .webp，内容是一张不折不扣的 PNG。 问题 阅读全文