|
|
@@ -537,9 +537,10 @@ class EnhancedDocPipeline:
|
|
|
continue
|
|
|
|
|
|
# 转换为 OCR span 格式
|
|
|
+ # 文字PDF的bbox保持int类型(PDF坐标本身就是整数像素坐标)
|
|
|
span = {
|
|
|
'text': text,
|
|
|
- 'bbox': [x1, y1, x2, y2], # 或者转为 poly 格式
|
|
|
+ 'bbox': [int(round(x1)), int(round(y1)), int(round(x2)), int(round(y2))], # 文字PDF保持int类型
|
|
|
'confidence': 1.0, # PDF 提取的置信度设为 1.0
|
|
|
'source': 'pdf' # 标记来源
|
|
|
}
|