真实的纸质文件很少是「纯印刷体」：申请表右下角有手写姓名，合同末页盖着公章，审批单上一行印刷标题配三行手写意见。想一次全提出来，结果通常是三部分都不完整 —— 因为这三类内容走的是不同的识别模型。
每一类的能力边界
印刷体正文：走 图片转文字 或 扫描件PDF转Word。这两页的限制都写明：印章、数学公式、图纸线条无法可靠识别。
手写内容：必须走手写工具 —— 手写文字识别、手写笔记转Word、手写表格转Excel。反过来也一样：把整页手写稿丢进印刷体工具，识别率会明显掉下来。
印章与签字：本站不做证件、印章与签名专用识别。公章是环形排布的红字，签名是连笔，两者都不在通用模型的目标场景内。能识别出部分字符，但不能当成可靠的字段提取。
混合页的实际表现
同一页里，印章覆盖到的印刷文字最容易整块丢失：章的红色压住笔画后，二值化时那片区域的对比度被抹平，接口往往直接跳过或输出乱字。位置在页面中下部的「盖章处」文字，是漏识的高发区。
手写批注混在印刷体里时，通用工具通常能认出工整的一两个字，连笔则识别为空。输出看起来正常、少了一整句 —— 这比报错更危险，因为你不会注意到缺了内容。
分流处理的操作顺序
- 先按主要内容跑一遍：正文是印刷体，就用印刷体工具出全量文字。
- 把含手写的区域单独裁出来，用手写工具再识别一次。手机裁剪后放大上传即可 —— 手写场景的可用区间是单行文字高度 10～50 像素、长边不小于 1000 像素。
- 两处结果手工合并。这一步省不掉，因为没有任何一种输出格式会把「这段来自印刷、那段来自手写」标注出来。
- 印章与签名字段直接留空手填。需要的是「有无盖章」「签名是谁」，这类判断交给人比交给模型可靠。
如果目标是「这份文件有效」而不是「文字可复制」
那识别就不是正确方向。扫描件转文字后，原件的证据属性已经丢失：印章、签名、纸张都是判断依据，而输出只剩文字。归档要求同时保留原件影像，做法见 纸质和电子“双套归档”要不要都做？怎么对得上，复印件标注见 “本件与原件相符”怎么标才算数？复印件标注四要素。
同理，把签名图片描成线条是另一件事 —— 那是矢量描边的场景，见 图片转CAD，与识别文字无关。