940a406dce
Backup commit before executing remove-unused-code proposal. This includes all pending changes and new features. 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
35 lines
1.6 KiB
Markdown
35 lines
1.6 KiB
Markdown
## 1. Fix Table HTML Extraction
|
||
|
||
### 1.1 pp_structure_enhanced.py
|
||
- [x] 1.1.1 在 bbox overlap 匹配時（L527-534）添加 `pred_html` 提取邏輯
|
||
- [x] 1.1.2 確保 `element['html']` 在所有匹配路徑都被正確設置
|
||
- [x] 1.1.3 添加 `extracted_text` 從 HTML 提取純文字內容
|
||
- [x] 1.1.4 添加日誌記錄 HTML 提取狀態
|
||
|
||
## 2. Fix PDF Coordinate System
|
||
|
||
### 2.1 pdf_generator_service.py
|
||
- [x] 2.1.1 對於 OCR Track，使用 OCR 座標系尺寸 (如 1275x1650) 作為 PDF 頁面尺寸
|
||
- [x] 2.1.2 修改 `_get_page_size_for_track()` 方法區分 OCR/Direct track
|
||
- [x] 2.1.3 調整字體大小計算，避免因縮放導致文字過小
|
||
- [x] 2.1.4 確保座標轉換在 OCR Track 時不進行額外縮放
|
||
|
||
## 3. Improve Table Cell Quality Check
|
||
|
||
### 3.1 pdf_generator_service.py
|
||
- [x] 3.1.1 審查 `_check_cell_boxes_quality()` 判定條件
|
||
- [x] 3.1.2 放寬或調整判定閾值，避免過度過濾有效表格 (overlap threshold 10% → 25%)
|
||
- [x] 3.1.3 添加更詳細的日誌說明為何表格被判定為 "bad quality"
|
||
|
||
### 3.2 Fix Table Content Rendering
|
||
- [x] 3.2.1 發現問題：`_draw_table_with_cell_boxes` 只渲染邊框，不渲染文字內容
|
||
- [x] 3.2.2 添加 `cell_boxes_rendered` flag 追蹤邊框是否已渲染
|
||
- [x] 3.2.3 修改邏輯：cell_boxes 渲染邊框後繼續使用 ReportLab Table 渲染文字
|
||
- [x] 3.2.4 條件性跳過 GRID style 當 cell_boxes 已渲染邊框時
|
||
|
||
## 4. Testing
|
||
- [x] 4.1 使用 edit.pdf 測試修復後的 OCR Track 處理
|
||
- [x] 4.2 驗證表格 HTML 正確提取並渲染
|
||
- [x] 4.3 驗證文字大小一致且清晰可讀
|
||
- [ ] 4.4 確認其他文件類型不受影響
|