rapidocr_pdf识别遇到不识别，识别的结果错乱等问题。

[lyplay2]

用rapidocr_pdf识别体检报单，征信报告单速度较快，正确率还行。 不过遇到几个问题 1、同样的报告格式，描述出来的结果存放在文本文件中。出现的顺序会不一样 比如，按左右上下顺序 是 项目1、项目2、项目3、项目4 显示的结果 有时是 1234，有时是2341... 这种的话不便于处理提取关键信息。 2、表格中的值如果 是 一两位数字， 如 2，11等，会被忽略，识别不出来。

[SWHL]

方便的话，请给出可以复现的代码和附件。 单凭描述，没办法排查

[lyplay2]

import time from rapidocr_pdf import PDFExtracter

if name == 'main': start = time.time() pdf_extracter = PDFExtracter()

将scan_1.pdf文件中的文本提取出来

texts = pdf_extracter('scan_3.pdf') 
merged = ''   
for text in texts:
    for line in text:
        merged += line + '\n'

end = time.time()
print('总用时：', end - start)
with open('output3.txt', 'w', encoding='utf-8') as f:
    f.write(merged)
f.close()   
因扫描件有个人姓名等隐私信息。我发你QQ邮箱了，烦请抽空看一下。

[SWHL]

1、同样的报告格式，描述出来的结果存放在文本文件中。出现的顺序会不一样 比如，按左右上下顺序 是 项目1、项目2、项目3、项目4 显示的结果 有时是 1234，有时是2341... 这种的话不便于处理提取关键信息。

该部分问题，我这里的确复现了，原因是虽是同样报告样式，但是检测文本框的坐标有轻微差别，就会导致输出时，排序不一。 如果想要提取关键信息，建议结合正则表达式和框坐标来提取。

2、表格中的值如果 是 一两位数字， 如 2，11等，会被忽略，识别不出来。

该问题是因为单字这种被文本检测算法漏检了，可以尝试调节参数。具体调节可参考RapidOCR 文档，后续会考虑优化这块。