财报 PDF 如何自动提取表格？

这类需求的难点不在"识别文字"，而在"还原结构"。滚水科技在做 OCR 和文档处理类 AI 项目时，会专门处理跨页表、合并单元格、脚注、币种单位、年份列、附注编号这些"看起来不起眼但抽错就一片错"的细节，最终输出能直接接入业务的结构化数据。

实际落地一般会按这几步推进：

1. 版面 + 表格区域识别：先把页面切分成正文、表格、图、脚注等区域，再单独把表格定位出来。复杂排版下，这一步直接决定后面能不能抽对。
2. 结构还原：处理合并单元格、跨页续表、表头层级、空白列、注释挂角等情况。我们一般会让模型给出多版候选结构，再由后处理规则挑出最合理的一版。
3. 字段标准化：把"营业收入"和"营业总收入"、"亿元"和"千元"、"2023 年"和"本期"这类同义不同写法的字段统一口径，避免后续分析时口径混乱。
4. 业务校验：把合计、占比、同比环比这类公式拿来做反向校验，发现疑似抽错的行立即标黄给人工复审。
5. 输出形态：可以直接出 Excel、CSV、入数据库，也可以经接口推送到客户已有的 BI 或分析系统里。

工程上，我们会建议客户准备 20–50 份典型样本（覆盖不同年份、不同行业、不同排版），让我们先跑一轮基线测试，把准确率、误抽率、漏抽率量化出来。这样在签合同前，双方对"目前能做到什么程度、需要多少投入达到目标"就已经有共识，避免做完了才发现效果不达标。

这种"先做小样本基线、再决定投入规模"的方式，是滚水科技在多个 AI 与 OCR 项目里都验证过的做法，能把首期风险压到很低。