分享一下之前的经验：

1. 样式：
   字体：机打单据需要覆盖包括宋体、黑体、微软雅黑等字体（视业务需求），手写单据需要到业务人员中采样
   宽度：如果是等宽字体只需要覆盖通常情况即可，但是如果是非等宽字体，例如 “长 12” 这里，汉字和数字宽度不等的，需要对不同宽度覆盖
   全角半角：如果需求有，那么需要两边都覆盖

2. 取值范围限定的字段需要保证正常识别
   例如：是否有 XX 记录、费用归属月份这种

3. 数字需要保证识别正常，尤其是价格、时间、电话这种

4. 上下承接关系的字段需要保证识别正常
   例如审批流程的节点名称

5. 如果单据中有需要根据空格、表格或者逗号拆字识别的字段，需要明确需求后注意单独写用例覆盖
   例如： “李总 1988-01-01 审批通过”，“2017-12|12|31|33”

总结：大多数人员对 OCR 这个技术理解有问题，OCR 识别率不是 100% 的，尤其是中文，人名、长句子、生僻字、换行段落、标点、公式识别错误非常普遍，如果文件本身包含图片的话结果惨不忍睹也是正常情况，需要保证技术能保证的部分，技术无法实现的部分不要深究！！！