merger/merge_paddleocr_vl_paddleocr.py

@@ -285,8 +285,8 @@ if __name__ == "__main__":
     if len(sys.argv) == 1:
         # 默认配置
         default_config = {
-            "paddleocr-vl-file": "/Users/zhch158/workspace/data/流水分析/2023年度报告母公司/paddleocr_vl_results/2023年度报告母公司_page_003.json",
-            "paddle-file": "/Users/zhch158/workspace/data/流水分析/2023年度报告母公司/ppstructurev3_client_results/2023年度报告母公司_page_003.json",
+            "paddleocr-vl-file": "/Users/zhch158/workspace/data/流水分析/2023年度报告母公司/paddleocr_vl_results/2023年度报告母公司_page_005.json",
+            "paddle-file": "/Users/zhch158/workspace/data/流水分析/2023年度报告母公司/ppstructurev3_client_results/2023年度报告母公司_page_005.json",
             "output-dir": "/Users/zhch158/workspace/data/流水分析/2023年度报告母公司/paddleocr_vl_results_cell_bbox",
             "output-type": "both",
             "window": "15",

merger/text_matcher.py

@@ -88,8 +88,8 @@ class TextMatcher:
                     return text_boxes[i], start_index, i
             
             # 过滤过短的候选文本(避免单字符匹配)
-            if len(box_text) < 2:
-                continue
+            # if len(box_text) < 2:
+            #     continue
             
             # 长度比例检查 - 避免长度差异过大的匹配
             length_ratio = min(len(target_text), len(box_text)) / max(len(target_text), len(box_text))