LightOnOCR3页眉页脚过滤：保留全量块再生成正文视图，别把页码证据永久删除

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
LightOnOCR-3采用本地或自有授权服务；4B/0.8B为Qwen3.5架构，1B架构不同，显存还受图片与上下文影响，不承诺某张卡必定够用。
使用官方仓库锁定的兼容依赖；当前仓库说明vLLM0.30.0与Transformers5.16.1，模型卡的旧最低版本不能替代锁文件。
模型Apache2.0；仅空prompt或grounding是文档支持输入，原生PDF与检查无需付费，模型识别未执行。

操作步骤：
1. 准备含边栏的报告
每页有页眉、页脚、页码和一条正文脚注。
原稿明确“脚注”与“页脚”不是同一用途。

2. 保存全量grounding块
从ocr.grounding取得完整blocks，逐项记label和来源页。
在生成正文视图前不删除任何原始块。

3. 查看过滤集合
按当前官方HEADER_FOOTER常量理解被剔除标签。
不要凭字符串包含foot就把footnote也删掉。

4. 生成正文投影
调用to_markdown(blocks,drop=HEADER_FOOTER)形成阅读版。
这是派生视图，不能覆盖全量块文件。

5. 核对脚注保留
检查正文提到的[1]与原页footnote仍可对应。
若规则将脚注误剔除，先修过滤条件，再重建视图。

6. 回查来源位置
从阅读版条目回到原始pageId与bbox。
没有页码显示不意味着来源可以不保存。

7. 交付双层材料
保存完整块和正文Markdown，并列出过滤策略。
未执行时用作者标签清单演示投影，标明不是识别结果。

验收：
全量块不被过滤输出覆盖。
footnote和footer明确区分。
正文条目能回到原页框。

官方资料：
https://github.com/lightonai/LightOnOCR

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。