egg/OCR
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix: 修復多頁PDF頁碼分配錯誤和logging配置問題

Browse Source 
Critical Bug #1: 多頁PDF頁碼分配錯誤
問題：
- 在處理多頁PDF時，雖然text_regions有正確的頁碼標記
- 但layout_data.elements（表格）和images_metadata（圖片）都保持page=0
- 導致所有頁面的表格和圖片都被錯誤地繪製在第1頁
- 造成嚴重的版面錯誤、元素重疊和位置錯誤

根本原因：
- ocr_service.py (第359-372行) 在累積多頁結果時
- text_regions有添加頁碼：region['page'] = page_num
- 但images_metadata和layout_data.elements沒有更新頁碼
- 它們保持單頁處理時的默認值page=0

修復方案：
- backend/app/services/ocr_service.py (第359-372行)
  - 為layout_data.elements中的每個元素添加正確的頁碼
  - 為images_metadata中的每個圖片添加正確的頁碼
  - 確保多頁PDF的每個元素都有正確的page標記

Critical Bug #2: Logging配置被uvicorn覆蓋
問題：
- uvicorn啟動時會設置自己的logging配置
- 這會覆蓋應用程式的logging.basicConfig()
- 導致應用層的INFO/WARNING/ERROR log完全消失
- 只能看到uvicorn的HTTP請求log和第三方庫的DEBUG log
- 無法診斷PDF生成過程中的問題

修復方案：
- backend/app/main.py (第17-36行)
  - 添加force=True參數強制重新配置logging (Python 3.8+)
  - 顯式設置root logger的level
  - 配置app-specific loggers (app.services.pdf_generator_service等)
  - 啟用log propagation確保訊息能傳遞到root logger

其他修復：
- backend/app/services/pdf_generator_service.py
  - 將重要的debug logging改為info level (第371, 379, 490, 613行)
    原因：預設log level是INFO，debug log不會顯示
  - 修復max_cols UnboundLocalError (第507-509行)
    將logger.info()移到max_cols定義之後
  - 移除危險的.get('page', 0)默認值 (第762行)
    改為.get('page')，沒有page的元素會被正確跳過

影響：
✅ 多頁PDF的表格和圖片現在會正確分配到對應頁面
✅ 詳細的PDF生成log現在可以正確顯示（座標轉換、縮放比例等）
✅ 能夠診斷文字擠壓、間距和位置錯誤的問題

測試建議：
1. 重新啟動後端清除Python cache
2. 上傳多頁PDF進行OCR處理
3. 檢查生成的JSON中每個元素是否有正確的page標記
4. 檢查終端log是否顯示詳細的PDF生成過程
5. 驗證生成的PDF中每頁的元素位置是否正確

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>
This commit is contained in:
egg
2025-11-18 12:13:25 +08:00
parent d99d37d93e
commit 5cf4010c9b
4 changed files with 31 additions and 83 deletions
Download Patch File Download Diff File Expand all files Collapse all files

13
backend/app/services/ocr_service.py
View File

@@ -356,12 +356,19 @@ class OCRService:
total_confidence_sum += page_result['average_confidence'] * page_result['total_text_regions']
total_valid_regions += page_result['total_text_regions']
# Accumulate layout data
# Accumulate layout data and update page numbers
if page_result.get('layout_data'):
all_layout_data.append(page_result['layout_data'])
layout_data = page_result['layout_data']
# Update page number for all layout elements
if layout_data.get('elements'):
for element in layout_data['elements']:
element['page'] = page_num
all_layout_data.append(layout_data)
# Accumulate images metadata
# Accumulate images metadata and update page numbers
if page_result.get('images_metadata'):
for img_meta in page_result['images_metadata']:
img_meta['page'] = page_num # Update page number for multi-page PDFs
all_images_metadata.extend(page_result['images_metadata'])
# Store OCR dimensions for each page

14
backend/app/services/pdf_generator_service.py
View File

@@ -368,7 +368,7 @@ class PDFGeneratorService:
ocr_x_right = bbox[2][0] # Right X
ocr_y_bottom = bbox[2][1] # Bottom Y in OCR coordinates
logger.debug(f"[文字] '{text[:20]}...' OCR原始座標: L={ocr_x_left:.0f}, T={ocr_y_top:.0f}, R={ocr_x_right:.0f}, B={ocr_y_bottom:.0f}")
logger.info(f"[文字] '{text[:20]}...' OCR原始座標: L={ocr_x_left:.0f}, T={ocr_y_top:.0f}, R={ocr_x_right:.0f}, B={ocr_y_bottom:.0f}")
# Apply scale factors to convert from OCR space to PDF space
scaled_x_left = ocr_x_left * scale_w
@@ -376,7 +376,7 @@ class PDFGeneratorService:
scaled_x_right = ocr_x_right * scale_w
scaled_y_bottom = ocr_y_bottom * scale_h
logger.debug(f"[文字] '{text[:20]}...' 縮放後(scale={scale_w:.3f},{scale_h:.3f}): L={scaled_x_left:.1f}, T={scaled_y_top:.1f}, R={scaled_x_right:.1f}, B={scaled_y_bottom:.1f}")
logger.info(f"[文字] '{text[:20]}...' 縮放後(scale={scale_w:.3f},{scale_h:.3f}): L={scaled_x_left:.1f}, T={scaled_y_top:.1f}, R={scaled_x_right:.1f}, B={scaled_y_bottom:.1f}")
# Calculate bbox dimensions (after scaling)
bbox_width = abs(scaled_x_right - scaled_x_left)
@@ -487,7 +487,7 @@ class PDFGeneratorService:
ocr_x_right_raw = table_bbox[2][0]
ocr_y_bottom_raw = table_bbox[2][1]
logger.debug(f"[表格] OCR原始座標: L={ocr_x_left_raw:.0f}, T={ocr_y_top_raw:.0f}, R={ocr_x_right_raw:.0f}, B={ocr_y_bottom_raw:.0f}")
logger.info(f"[表格] OCR原始座標: L={ocr_x_left_raw:.0f}, T={ocr_y_top_raw:.0f}, R={ocr_x_right_raw:.0f}, B={ocr_y_bottom_raw:.0f}")
# Apply scaling
ocr_x_left = ocr_x_left_raw * scale_w
@@ -502,11 +502,11 @@ class PDFGeneratorService:
pdf_x = ocr_x_left
pdf_y = page_height - ocr_y_bottom
logger.info(f"[表格] {len(rows)}行x{max_cols}列 → PDF位置: ({pdf_x:.1f}, {pdf_y:.1f}), 寬x高: {table_width:.0f}x{table_height:.0f}")
# Build table data for ReportLab
# Convert parsed structure to simple 2D array
max_cols = max(len(row['cells']) for row in rows)
logger.info(f"[表格] {len(rows)}行x{max_cols}列 → PDF位置: ({pdf_x:.1f}, {pdf_y:.1f}), 寬x高: {table_width:.0f}x{table_height:.0f}")
reportlab_data = []
for row in rows:
@@ -610,7 +610,7 @@ class PDFGeneratorService:
ocr_x_right_raw = bbox[2][0]
ocr_y_bottom_raw = bbox[2][1]
logger.debug(f"[圖片] '{image_path_str}' OCR原始座標: L={ocr_x_left_raw:.0f}, T={ocr_y_top_raw:.0f}, R={ocr_x_right_raw:.0f}, B={ocr_y_bottom_raw:.0f}")
logger.info(f"[圖片] '{image_path_str}' OCR原始座標: L={ocr_x_left_raw:.0f}, T={ocr_y_top_raw:.0f}, R={ocr_x_right_raw:.0f}, B={ocr_y_bottom_raw:.0f}")
# Apply scaling
ocr_x_left = ocr_x_left_raw * scale_w
@@ -759,7 +759,7 @@ class PDFGeneratorService:
self.draw_text_region(pdf_canvas, region, target_height, scale_w, scale_h)
# Draw tables for this page
page_tables = [t for t in table_elements if t.get('page', 0) == page_num - 1]
page_tables = [t for t in table_elements if t.get('page') == page_num - 1]
logger.info(f"第 {page_num} 頁: 繪製 {len(page_tables)} 個表格")
for table_elem in page_tables:
self.draw_table_region(pdf_canvas, table_elem, images_metadata, target_height, scale_w, scale_h)