AI读完PDF了,先核对这三处

一份PDF上传后，AI很快给出摘要，还算好了表里的合计。你准备直接把数字写进汇报。

先打开它引用的那一页。回答写得完整，不足以说明文件也被完整、准确地读进去了。

有的工具提取PDF文字，有的会识别页面图片；具体路径要看工具。扫描页可能需要文字识别，也就是OCR。可复制的文字也可能来自识别结果，仍需与原页核对。Adobe的说明就提供了把识别文字与扫描图像对照、纠正疑似错误的操作。

一张表怎样变成错误结论

下面是教学虚构，不是产品实测。假设有一份4页的付款报告，我们把原页内容用文字展示。

第3页表头：单位：万元。A项目：计划18.0，实际支付8.0。B项目：计划6.0，实际支付6.0。

第4页注释：“实际支付”截至8月31日；另有2.0万元待付款，未计入本表。

模拟提取结果却是：A项目：计划18.0，实际支付80。B项目：计划6.0，实际支付6.0。第4页：无提取文字。

小数点没了，单位也没进来。若照这段文字计算，实际支付就是86；随后再写成“项目全部支出86万元”，又越过了原表的时间和状态边界。

我们要核对三个地方

第一处是页。文件有4页，提取结果只覆盖3页，就回到第4页看它是否含有正文、附注或图片。空白提取可能对应真正的空白页，也可能是扫描页未被识别，不能仅凭“无文字”跳过。

第二处是格。放大第3页，逐格对应行名、列名、数字和单位。A的实际支付在原图上是8.0，纠正后为8.0；B仍为6.0。合计8.0＋6.0＝14.0万元。不要只查合计，因为错位后的数字相加也可能看起来合理。跨页续表要连同标题查看，避免把下一张表的数字接进来。

第三处是注。第4页限定了截止日期和待付款范围。补回注释后，可以写：“截至8月31日，表内实际支付合计14.0万元；另有2.0万元待付款。”这是从原页核对后得到的表述。

pypdf的官方文档提醒，PDF表格常由按位置排列的文字组成，提取时可能难以恢复行列关系。这说明，即使文字能复制，也不能据此认定表格已经正确还原。

先提取，再归纳

下一次可以先给出这段要求：“请按PDF页序列出识别结果，保留表头、单位和附注；无法读取的页、单元格标明待核，暂不补写，也暂不计算。”

这段要求方便发现缺口，不能代替人工检查。重点核对将进入结论的页、关键数字、单位、否定词和附注；需要确认全篇完整时，仍要逐页对应。模糊原图看不清，就找更清晰的原件，保留待核状态，别靠上下文猜出金额。

把核对过的文字再交给AI归纳，并保留PDF页序位置，后面才能回到原页复查。

技术出处：Adobe“Fix text issues in scanned PDFs”；pypdf“Extract Text from a PDF”。

资料：Adobe Acrobat: Fix text issues in scanned PDFshttps://helpx.adobe.com/acrobat/desktop/create-documents/scan-documents-to-pdfs/fix-scanned-text.html

资料：pypdf: Extract Text from a PDFhttps://pypdf.readthedocs.io/en/stable/user/extract-text.html

说明：本文方法和教学示例由证据工具箱整理，正文与封面使用AI辅助制作；示例不代表实际调查或产品实测。资料核对日期：2026年9月30日。