今年四月帮我妈把她那本记了十几年的菜谱转成文字。便签本，纸都黄了，圆珠笔写的，有几页还洇了油。我拿手机拍完直接扔进 OCR，出来的第一段是这样：
"红烧肉 五 花 肉 五 百 克 生 抽 二 勺 老 抽 一 勺 冰 糖 若 干"
每个字中间都隔了空格，配料和步骤糊在一起，下面几页干脆只剩一列数字。我对着原图改了 2 小时，改完一肚子火。
我一开始就是这么用的
我的做法是：拍完，扔进 OCR，把结果整段贴进 AI，说"帮我整理一下"。
结果它替我把"五花肉五百克"改成了"五花肉 500 克"，这部分没问题；但它自己给我妈的手写笔记分了"材料"和"步骤"两栏，而我妈原文根本没有分栏，它把顺序也调了。我照着它那版做了一次红烧肉，糖放早了。
为什么它整理不好
OCR 交出来的是"字在哪里"，不是"句子怎么断"。断行是按图片的宽度断的，表格的列被拍成了一串数字。AI 拿到这种文本，只能猜哪里该换行、哪里是分栏——猜对猜错，从结果上看不出来，因为它都写得挺通顺。这个坑我踩过不止一次，最早一次是把一张两列的对账单整理成了二十几行，我自己盯着看了半天才觉出不对。
当然，如果你的图拍得正、光够、字体是印刷体，OCR 出来的东西基本能直接用，这个我不否认。
现在我的做法
第一步，先判断这张图值不值得 OCR：
我要把这张图里的文字转出来。先别转，帮我判断难度。
这张图的情况：【光照怎么样 / 拍摄角度 / 是不是手写 / 有没有被微信压缩过 / 大概多少字】
请告诉我：
1. 直接识别的话，哪几处最容易出错
2. 值不值得先重拍，重拍要注意什么
3. 如果只能用手上这张，我该人工核哪几处这一步省下的时间比后面两步都多。上次我妈那本，它问完我"是不是有洇油"，直接建议我先拍没油的那几页，洇油的那两页单独拍特写。
第二步，清洗识别结果：
下面是从图片识别出来的文本，断行混乱，可能有错字。
只做两件事：还原段落结构、修正明显错字。
规则：
1. 不改变原意，不要改写、润色、补充
2. 数字、单位、人名保持原样，认不准的标【待核】
3. 明显是断行造成的句子就合并，但不要把两条不同的记录并成一条
4. 认不出的字用【？】占位，不要猜
5. 最后把每一处【待核】【？】列出来，方便我对着原图核
【粘贴识别文本】第 5 条最实用。它列出来的位置就是我要看的那几处，我照着核，不用整页重读。
最后一步，从截图里提取字段：
这张图是【发票/名片/对账小票】。请提取这些字段：【逐项写清】
输出成 Markdown 表格，一行一条记录。
规则：
1. 图上没有的字段就空着，不要用别的信息补
2. 金额里的符号和括号原样保留
3. 表格下面列出我该核对的地方，最多 5 条改完是什么效果
我妈那本总共 32 页，最后转出来八千多字。我人工核了大概 40 分钟，主要是对着标了待核的那几处看原图。真要我一个字一个字打，我估计得两天。
准确率我算不出来，只能说每页平均还剩两三处待核。
哪些图别指望它
手写连笔的。判断标准：你自己隔一天再看，能不能一眼认出那是哪个字。认不出，它更认不出。
被微信压过的截图。判断标准：把图放大到 200%，字边缘有没有彩色噪点。有，就去找原图，别在这张上耗。
复杂表格。判断标准：这张表里有没有合并单元格、有没有跨页。有，就按区块分开拍，一个区块一张图。
竖排文字和艺术字。判断标准：字是不是横着排的、是不是常见字体。不是，这类基本不适用，我用过几次，出来没法看。
最后
我现在拍之前会先做一件事：把纸压平，让光从侧面打过来，不要开闪光灯。就这一步，识别结果能干净一半。
你要是也总在跟乱码较劲，先别换工具。回头看看你那张图——拍歪了、反光了、还是被压缩过。多半问题在那儿。
