示例文章：OCR 如何改变“已脱敏”的含义

[示例内容] 需要脱敏的文件里，有很大一部分根本不是原生文字——而是扫描件、纸质表格的照片，或者由图片生成的 PDF。没有 OCR，自动识别工具根本“看不见”这些内容。

看起来是文字，其实不是

对人来说，扫描页和原生 PDF 页看起来没什么两样；但对软件来说，在提取出文字层之前，它只是一格一格的像素。跳过这一步，识别工具就无从查找。

准确率真正要紧的地方

对于干净、高分辨率的扫描件，OCR 准确率早已不是难题。真正难的是现实中常见的文件：歪斜的页面、低对比度的复印件、手写与印刷混排，以及多栏排版。

所以，把 OCR 当成可有可无的预处理步骤，实在是低估了它——这一步的质量，决定了后续脱敏环节最多能抓住多少内容。