长截图文字太小：分块识别后按坐标拼回原顺序

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "fixture": "原创长列表分两块并保留120像素重叠"
}

长截图文字太小：分块识别后按坐标拼回原顺序 · 实际输入、原始文件和本例操作约束的浏览器截图 — 实际输入、原始文件和本例操作约束的浏览器截图
查看高清原图

2. 按顺序完成这项具体操作

本次实际使用Python 3.14，依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理；只有显式--live才发新请求。

1. 生成long-source.jpg原创8行长列表，再裁为tile-1.jpg（高760）和tile-2.jpg（高610）；第二块源图起点为640，保留120像素重叠。
2. 将两张实际裁片一起交给apizt，要求每行返回id、text和y_norm；y_norm限定0—1000归一坐标，不能当像素使用。
3. 分别按source_y=offset+y_norm×actual_height/1000换算源坐标，图1用offset=0、高760，图2用offset=640、高610。
4. 按源坐标排序，并对重叠R05比较文字及坐标容差后去重；相同ID若文字冲突或位置超差，保留冲突而非静默覆盖。
5. 检查最终R01—R08恰好8行，导出merged-rows.csv和merge-audit.json，展示原始行、合并行与坐标契约。
6. 保留第一次坐标理解失败的request-1.json/receipt-1.json/output-1.json，以及澄清y_norm后第二次真实请求的对应文件；不能只留下成功截图。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-2.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。"
    },
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "严格只输出单个JSON对象，不用代码围栏。只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。\n只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "[实际图片Base64；完整原始请求在资料包]",
            "detail": "high"
          }
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "[实际图片Base64；完整原始请求在资料包]",
            "detail": "high"
          }
        }
      ]
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：merged-rows.csv、merge-audit.json。

workflow.py · 本例分支节选

python

rows = output.get('tiles', [])
offset = {1: 0, 2: 640}
tile_heights = {1: 760, 2: 610}
allrows = []
for tile in rows:
    tile_no = tile.get('tile')
    check('裁片编号合法', tile_no in offset)
    if tile_no not in offset:
        continue
    for r in tile.get('rows', []):
        y = r.get('y_norm')
        allrows.append({'tile': tile_no, 'id': r.get('id'), 'text': r.get('text', ''), 'source_y': offset[tile_no] + y * tile_heights[tile_no] / 1000 if isinstance(y, (float, int)) and 0 <= y <= 1000 else None})
merged = {}
collisions = []
for r in sorted(allrows, key=lambda r: r['source_y'] if r['source_y'] is not None else 100000):
    key = r['id']
    if key in merged:
        a = merged[key]
        if a['text'] != r['text'] or a['source_y'] is None or r['source_y'] is None or (abs(a['source_y'] - r['source_y']) > 65):
            collisions.append({'before': a, 'after': r})
    else:
        merged[key] = r
golden = [f'R{n:02}' for n in range(1, 9)]
check('两裁片共同覆盖8行且无新行', set(merged) == set(golden))
check('源坐标合并后排序正确', [r['id'] for r in merged.values()] == golden)
check('重叠R05实际重复出现再去重', sum((r['id'] == 'R05' for r in allrows)) == 2 and len(merged) == 8)
check('重叠内容与源坐标一致', not collisions)
write_csv(artifact('merged-rows.csv'), merged.values(), ['tile', 'id', 'text', 'source_y'])
result = {'rawRows': allrows, 'merged': list(merged.values()), 'collisions': collisions, 'tileOffsets': offset, 'coordinateContract': 'y_norm 0..1000; source_y = offset + y_norm * actual_height / 1000'}
dump(artifact('merge-audit.json'), result)

5. 对照真实结果和检查表

实测2026-10-25T07:57:40.798288+00:00，HTTP200；请求gemini-2.5-flash-lite，返回gemini-2.5-flash-lite。本次8/8项检查通过，指本例执行及验收机制通过，不代表所有模型字段零误差。

最后一次返回用量3046tokens；2份尝试记录的已知用量合计5904。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
裁片编号合法	通过
裁片编号合法	通过
两裁片共同覆盖8行且无新行	通过
源坐标合并后排序正确	通过
重叠R05实际重复出现再去重	通过
重叠内容与源坐标一致	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: 裁片编号合法
结果: 通过

实际检查: 裁片编号合法
结果: 通过

实际检查: 两裁片共同覆盖8行且无新行
结果: 通过

实际检查: 源坐标合并后排序正确
结果: 通过

实际检查: 重叠R05实际重复出现再去重
结果: 通过

实际检查: 重叠内容与源坐标一致
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "rawRows": [
    {
      "tile": 1,
      "id": "R01",
      "text": "R01 ITEM-01 QTY 2",
      "source_y": 142.88
    },
    {
      "tile": 1,
      "id": "R02",
      "text": "R02 ITEM-02 QTY 3",
      "source_y": 285.76
    },
    {
      "tile": 1,
      "id": "R03",
      "text": "R03 ITEM-03 QTY 4",
      "source_y": 427.12
    },
    {
      "tile": 1,
      "id": "R04",
      "text": "R04 ITEM-04 QTY 5",
      "source_y": 567.72
    },
    {
      "tile": 1,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 708.32
    },
    {
      "tile": 2,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 699.78
    },
    {
      "tile": 2,
      "id": "R06",
      "text": "R06 ITEM-06 QTY 7",
      "source_y": 841.91
    },
    {
      "tile": 2,
      "id": "R07",
      "text": "R07 ITEM-07 QTY 8",
      "source_y": 982.8199999999999
    },
    {
      "tile": 2,
      "id": "R08",
      "text": "R08 ITEM-08 QTY 9",
      "source_y": 1123.73
    }
  ],
  "merged": [
    {
      "tile": 1,
      "id": "R01",
      "text": "R01 ITEM-01 QTY 2",
      "source_y": 142.88
    },
    {
      "tile": 1,
      "id": "R02",
      "text": "R02 ITEM-02 QTY 3",
      "source_y": 285.76
    },
    {
      "tile": 1,
      "id": "R03",
      "text": "R03 ITEM-03 QTY 4",
      "source_y": 427.12
    },
    {
      "tile": 1,
      "id": "R04",
      "text": "R04 ITEM-04 QTY 5",
      "source_y": 567.72
    },
    {
      "tile": 2,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 699.78
    },
    {
      "tile": 2,
      "id": "R06",
      "text": "R06 ITEM-06 QTY 7",
      "source_y": 841.91
    },
    {
      "tile": 2,
      "id": "R07",
      "text": "R07 ITEM-07 QTY 8",
      "source_y": 982.8199999999999
    },
    {
      "tile": 2,
      "id": "R08",
      "text": "R08 ITEM-08 QTY 9",
      "source_y": 1123.73
    }
  ],
  "collisions": [],
  "tileOffsets": {
    "1": 0,
    "2": 640
  },
  "coordinateContract": "y_norm 0..1000; source_y = offset + y_norm * actual_height / 1000"
}

长截图文字太小：分块识别后按坐标拼回原顺序 · 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录 — 本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录
查看高清原图

6. 替换输入前，先确认这些边界

坐标只在原创8行裁片上验证，近似y允许65像素容差；跨栏或更复杂版面需另验。

修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误；检查通过指计算和处理正确。没有调用视频模型。

怎样确认已经完成

真实apizt API响应HTTP200
裁片编号合法
裁片编号合法
两裁片共同覆盖8行且无新行
源坐标合并后排序正确
重叠R05实际重复出现再去重
重叠内容与源坐标一致
列出的原生产物实际存在

常见问题

AI 长截图 OCR 分块怎么开始？

生成long-source.jpg原创8行长列表，再裁为tile-1.jpg（高760）和tile-2.jpg（高610）；第二块源图起点为640，保留120像素重叠。按本页顺序继续，先用下载包离线重放，再替换自己的材料。

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

坐标只在原创8行裁片上验证，近似y允许65像素容差；跨栏或更复杂版面需另验。

资料来源

展开本页目录

开始前准备什么

独立练习目录及Python 3.14；系统与Node依赖以README为准。
离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
原创合成材料，不需要登录第三方平台账号。

先看文件
按步骤操作
对照真实结果
离线或模型复跑

下载本例输入、代码、真实回执和产物

默认离线重放；包含完整失败尝试与本地检查，不含Key。

1. 核对本例材料与目标文件

参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。

先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。

input.json（节选）

json

{
  "fixture": "原创长列表分两块并保留120像素重叠"
}

2. 按顺序完成这项具体操作

1. 生成long-source.jpg原创8行长列表，再裁为tile-1.jpg（高760）和tile-2.jpg（高610）；第二块源图起点为640，保留120像素重叠。
2. 将两张实际裁片一起交给apizt，要求每行返回id、text和y_norm；y_norm限定0—1000归一坐标，不能当像素使用。
3. 分别按source_y=offset+y_norm×actual_height/1000换算源坐标，图1用offset=0、高760，图2用offset=640、高610。
4. 按源坐标排序，并对重叠R05比较文字及坐标容差后去重；相同ID若文字冲突或位置超差，保留冲突而非静默覆盖。
5. 检查最终R01—R08恰好8行，导出merged-rows.csv和merge-audit.json，展示原始行、合并行与坐标契约。
6. 保留第一次坐标理解失败的request-1.json/receipt-1.json/output-1.json，以及澄清y_norm后第二次真实请求的对应文件；不能只留下成功截图。

独立练习目录 · 默认仅离线复核

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py

3. 对照真正发送的请求

网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。

request-2.json（图片Base64省略，原文件在下载包）

json

{
  "model": "gemini-2.5-flash-lite",
  "messages": [
    {
      "role": "system",
      "content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。"
    },
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "严格只输出单个JSON对象，不用代码围栏。只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。\n只输出JSON：tiles数组，每项tile为1或2、rows数组。每行含id（如R01）、text（货品文字）、y_norm（该裁片内行首纵坐标，0到1000归一化，0是顶部1000是底部；不是像素）。图1真实宽1000高760，图2真实宽1000高610。同一行在两张图中出现时分别保留，由程序按源坐标合并。不要输出不存在的行。"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "[实际图片Base64；完整原始请求在资料包]",
            "detail": "high"
          }
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "[实际图片Base64；完整原始请求在资料包]",
            "detail": "high"
          }
        }
      ]
    }
  ],
  "temperature": 0,
  "max_tokens": 1536,
  "provider": {
    "sort": "success_rate"
  },
  "response_format": {
    "type": "json_object"
  }
}

4. 查看原生处理代码与实际文件

下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。

具体产物：merged-rows.csv、merge-audit.json。

workflow.py · 本例分支节选

python

rows = output.get('tiles', [])
offset = {1: 0, 2: 640}
tile_heights = {1: 760, 2: 610}
allrows = []
for tile in rows:
    tile_no = tile.get('tile')
    check('裁片编号合法', tile_no in offset)
    if tile_no not in offset:
        continue
    for r in tile.get('rows', []):
        y = r.get('y_norm')
        allrows.append({'tile': tile_no, 'id': r.get('id'), 'text': r.get('text', ''), 'source_y': offset[tile_no] + y * tile_heights[tile_no] / 1000 if isinstance(y, (float, int)) and 0 <= y <= 1000 else None})
merged = {}
collisions = []
for r in sorted(allrows, key=lambda r: r['source_y'] if r['source_y'] is not None else 100000):
    key = r['id']
    if key in merged:
        a = merged[key]
        if a['text'] != r['text'] or a['source_y'] is None or r['source_y'] is None or (abs(a['source_y'] - r['source_y']) > 65):
            collisions.append({'before': a, 'after': r})
    else:
        merged[key] = r
golden = [f'R{n:02}' for n in range(1, 9)]
check('两裁片共同覆盖8行且无新行', set(merged) == set(golden))
check('源坐标合并后排序正确', [r['id'] for r in merged.values()] == golden)
check('重叠R05实际重复出现再去重', sum((r['id'] == 'R05' for r in allrows)) == 2 and len(merged) == 8)
check('重叠内容与源坐标一致', not collisions)
write_csv(artifact('merged-rows.csv'), merged.values(), ['tile', 'id', 'text', 'source_y'])
result = {'rawRows': allrows, 'merged': list(merged.values()), 'collisions': collisions, 'tileOffsets': offset, 'coordinateContract': 'y_norm 0..1000; source_y = offset + y_norm * actual_height / 1000'}
dump(artifact('merge-audit.json'), result)

5. 对照真实结果和检查表

最后一次返回用量3046tokens；2份尝试记录的已知用量合计5904。失败记录保留，用量缺失不按0计，本文不推算实际金额。

实际检查	结果
真实apizt API响应HTTP200	通过
裁片编号合法	通过
裁片编号合法	通过
两裁片共同覆盖8行且无新行	通过
源坐标合并后排序正确	通过
重叠R05实际重复出现再去重	通过
重叠内容与源坐标一致	通过
列出的原生产物实际存在	通过

实际检查: 真实apizt API响应HTTP200
结果: 通过

实际检查: 裁片编号合法
结果: 通过

实际检查: 裁片编号合法
结果: 通过

实际检查: 两裁片共同覆盖8行且无新行
结果: 通过

实际检查: 源坐标合并后排序正确
结果: 通过

实际检查: 重叠R05实际重复出现再去重
结果: 通过

实际检查: 重叠内容与源坐标一致
结果: 通过

实际检查: 列出的原生产物实际存在
结果: 通过

result.json · 原生处理后实际结果

json

{
  "rawRows": [
    {
      "tile": 1,
      "id": "R01",
      "text": "R01 ITEM-01 QTY 2",
      "source_y": 142.88
    },
    {
      "tile": 1,
      "id": "R02",
      "text": "R02 ITEM-02 QTY 3",
      "source_y": 285.76
    },
    {
      "tile": 1,
      "id": "R03",
      "text": "R03 ITEM-03 QTY 4",
      "source_y": 427.12
    },
    {
      "tile": 1,
      "id": "R04",
      "text": "R04 ITEM-04 QTY 5",
      "source_y": 567.72
    },
    {
      "tile": 1,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 708.32
    },
    {
      "tile": 2,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 699.78
    },
    {
      "tile": 2,
      "id": "R06",
      "text": "R06 ITEM-06 QTY 7",
      "source_y": 841.91
    },
    {
      "tile": 2,
      "id": "R07",
      "text": "R07 ITEM-07 QTY 8",
      "source_y": 982.8199999999999
    },
    {
      "tile": 2,
      "id": "R08",
      "text": "R08 ITEM-08 QTY 9",
      "source_y": 1123.73
    }
  ],
  "merged": [
    {
      "tile": 1,
      "id": "R01",
      "text": "R01 ITEM-01 QTY 2",
      "source_y": 142.88
    },
    {
      "tile": 1,
      "id": "R02",
      "text": "R02 ITEM-02 QTY 3",
      "source_y": 285.76
    },
    {
      "tile": 1,
      "id": "R03",
      "text": "R03 ITEM-03 QTY 4",
      "source_y": 427.12
    },
    {
      "tile": 1,
      "id": "R04",
      "text": "R04 ITEM-04 QTY 5",
      "source_y": 567.72
    },
    {
      "tile": 2,
      "id": "R05",
      "text": "R05 ITEM-05 QTY 6",
      "source_y": 699.78
    },
    {
      "tile": 2,
      "id": "R06",
      "text": "R06 ITEM-06 QTY 7",
      "source_y": 841.91
    },
    {
      "tile": 2,
      "id": "R07",
      "text": "R07 ITEM-07 QTY 8",
      "source_y": 982.8199999999999
    },
    {
      "tile": 2,
      "id": "R08",
      "text": "R08 ITEM-08 QTY 9",
      "source_y": 1123.73
    }
  ],
  "collisions": [],
  "tileOffsets": {
    "1": 0,
    "2": 640
  },
  "coordinateContract": "y_norm 0..1000; source_y = offset + y_norm * actual_height / 1000"
}

6. 替换输入前，先确认这些边界

坐标只在原创8行裁片上验证，近似y允许65像素容差；跨栏或更复杂版面需另验。

怎样确认已经完成

真实apizt API响应HTTP200
裁片编号合法
裁片编号合法
两裁片共同覆盖8行且无新行
源坐标合并后排序正确
重叠R05实际重复出现再去重
重叠内容与源坐标一致
列出的原生产物实际存在

常见问题

AI 长截图 OCR 分块怎么开始？

网页试跑和下载包有什么区别？

网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。

这次通过结果适用于其他材料吗？

坐标只在原创8行裁片上验证，近似y允许65像素容差；跨栏或更复杂版面需另验。

长截图文字太小：分块识别后按坐标拼回原顺序

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API

长截图文字太小：分块识别后按坐标拼回原顺序

先看结论

开始前准备什么

1. 核对本例材料与目标文件

2. 按顺序完成这项具体操作

3. 对照真正发送的请求

4. 查看原生处理代码与实际文件

5. 对照真实结果和检查表

6. 替换输入前，先确认这些边界

怎样确认已经完成

常见问题

资料来源

先复核这份结果，再处理自己的材料

1. 下载完整样例

2. 离线检查业务结果

3. 需要新结果时，再调用 API