59206a6ab8
Changes: - Replace PP-Structure 7-slider parameter UI with simple 3-option layout model selector - Add layout model mapping: chinese (PP-DocLayout-S), default (PubLayNet), cdla - Add LayoutModelSelector component and zh-TW translations - Fix "default" model behavior with sentinel value for PubLayNet - Add gap filling service for OCR track coverage improvement - Add PP-Structure debug utilities - Archive completed/incomplete proposals: - add-ocr-track-gap-filling (complete) - fix-ocr-track-table-rendering (incomplete) - simplify-ppstructure-model-selection (22/25 tasks) - Add new layout model tests, archive old PP-Structure param tests - Update OpenSpec ocr-processing spec with layout model requirements 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
44 lines
1.9 KiB
Markdown
44 lines
1.9 KiB
Markdown
# Tasks: Fix OCR Track Table Empty Columns
|
||
|
||
## 1. Core Implementation
|
||
|
||
- [x] 1.1 在 `ocr_to_unified_converter.py` 實作 `trim_empty_columns(table_dict: Dict[str, Any]) -> Dict[str, Any]`
|
||
- 依據 cells 陣列計算每一欄是否「所有 row 的內容皆為空/空白」
|
||
- 使用 `.strip()` 判斷空白字元
|
||
- [x] 1.2 實作欄位移除邏輯
|
||
- 更新 columns/cols 數值
|
||
- 調整各 cell 的 col 索引
|
||
- [x] 1.3 實作 col_span 重算邏輯
|
||
- 若 span 跨過被移除欄位，縮小 span
|
||
- 若整個 span 落在被刪欄位上，移除該 cell
|
||
- [x] 1.4 在 `_convert_table_data` 入口呼叫 `trim_empty_columns`
|
||
- 在建 TableData 之前執行清洗
|
||
- 同時也在 `_extract_table_data` (HTML 表格解析) 中加入清洗
|
||
- [ ] 1.5 (可選) 依 bbox x0/x1 進行欄對齊排序
|
||
- 若可取得 bbox 網格，先依 x0 排序再重排 col index
|
||
- 此功能延後實作，待 bbox 資料確認可用性後進行
|
||
|
||
## 2. Testing & Validation
|
||
|
||
- [x] 2.1 單元測試通過
|
||
- 測試基本空欄移除
|
||
- 測試表頭空但數據有值（不移除）
|
||
- 測試 col_span 跨越被移除欄位（縮小 span）
|
||
- 測試 cell 完全落在被移除欄位（移除 cell）
|
||
- 測試無空欄情況（不變更）
|
||
- [x] 2.2 檢查現有 OCR 結果
|
||
- 現有結果中無「整欄為空」的表格
|
||
- 實作已就緒，遇到空欄時會正確清理
|
||
- [x] 2.3 確認 Direct/HYBRID 表格不變
|
||
- `OCRToUnifiedConverter` 僅在 `ocr_service.py` 中使用
|
||
- Direct 軌使用 `DirectExtractionEngine`，不受影響
|
||
|
||
## 3. Edge Cases & Validation
|
||
|
||
- [x] 3.1 處理 columns 欄位為 0/缺失的情況
|
||
- 以計算後的欄數回填，避免 downstream 依賴出錯
|
||
- [x] 3.2 處理表頭為空但數據有值的情況
|
||
- 只移除「所有行皆空」的欄
|
||
- [x] 3.3 確保不直接修改 `backend/storage/results/...`
|
||
- 修改 converter，需重新跑任務驗證
|