一份 “不干净” 的卷宗 PDF,正在悄悄影响你的证据梳理与案件研判

一个刑事案件的卷宗，到了律师手里，常常是以PDF的形式存在的。但这个PDF，可能根本不是一个"干净"的PDF。

我遇到的刑事卷宗PDF，"脏"在多个层面。

水印。很多扫描件上带有"仅供参考""内部资料"等水印。OCR识别时会把水印和正文混在一起，识别结果里出现大量无关内容。如果直接把这些文本喂给AI分析，模型可能会把水印当成案件事实的一部分。

页眉页脚与页码。每本卷宗都有统一的页眉和页码。纸质阅读时有帮助，但在文本提取时，它们变成重复出现的冗余信息，干扰正文理解。

签名和印章。手写签名、盖在文字上方的印章，遮挡了部分正文。OCR对印刷体都不够稳定，对手写体和被遮挡的文字更是无能为力。

表格跨页断裂。银行流水常以表格形式出现，一个表格可能跨两页甚至三页。扫描后每页是独立的图片，OCR识别出来的表格内容是断裂的，人工重新拼接都费劲。

多份笔录混在一起。一本卷宗里可能包含十几份笔录。如果只是把整本文字全部提取出来，这些笔录会混成一团，分不清哪一段属于哪一份。

每一页都在给后续处理制造障碍。

直到我遇见了律小虾

律小虾的智能阅卷引擎，很大一部分工作就是在帮我处理脏PDF。

它不是直接把PDF扔给大模型让它"看"，而是先做一套完整的文档清洗流程。

· PDF打开与文字提取。律小虾会先尝试从PDF中直接提取文字层——如果卷宗本身带有文字层，这一步就能拿到干净的文字。如果没有，就进入下一步。

· 图片页OCR识别。对于扫描件，律小虾调用OCR引擎把图片转成可编辑的文字。普通电脑选Mobile模型，高配机器选Server模型。当本地OCR结果质量极低时，还有视觉回调作为兜底。

· 水印识别与清洗。自动识别并去除水印，避免水印文字混入正文。

页眉页脚与页码清理。自动清理这些重复出现的冗余信息，确保提取出的文本是干净的正文。

· 签名页与OCR噪音清理。对于低质量页面，进行专门处理。

· 证据类型自动分类。文本提取完成后，律小虾自动分类——讯问笔录归言词证据，鉴定意见单独归类，书证和程序性文书分开处理。

· 结构化字段提取与阅卷笔录生成。提取每一份证据的关键字段——人物、时间、金额等，按阅卷笔录标准生成可编辑的docx文档。

· 多卷案件批量编排。几十卷、上千页的复杂案件，自动扫描、排序、逐卷处理、统一汇总，不用我再逐卷手动处理。

· 阅卷进度实时追踪。实时查看整体进度、OCR子进度、当前卷、已耗时、预计剩余时间。

整个过程，律小虾坚持"忠实转录优先"——不急于做法律判断，先把卷宗内容准确、可追溯地整理出来。每一段文字都标注来源页码，方便我回到原始PDF核对。

欢迎各位刑事律师同行一起来使用体验。

律小虾（Lawbster）是面向刑事辩护律师的AI智能办案助手，定位为“刑事律师的AI第二大脑”。一个本地优先的桌面工作台，把AI对话、刑事阅卷、案件管理、录音转写、证据分析与文书生成串成一套办案闭环。核心案件数据放在律师可控环境，不做纯SaaS，适配律师对卷宗和客户信息安全的要求。律小虾宣布单机版永久免费，让工具回到工具的位置。