做 PDF→Excel 时，扫描件必须 OCR。 试了 3 个开源引擎，每个都有自己的问题。下面是我踩完坑后的结论。 场景 输入：用户扫描的发票 PDF（A4，300dpi，约 50 行表格） 需求： 表格识别（行列结构保留） 中文 + 数字混排 本地推理（纯本地是硬要求，不是可选项） 单页 < 1 秒（用户不会等 30 秒看进度条） 候选 引擎 语言 包大小 速度 准确率 Tesseract 5 C++ 50MB 800ms/页 ≈90% PaddleOCR 2.7 Python+C++ 300MB+ 400ms/页 ≈98% RapidOCR 0.0.7 Python (ONNX) 30MB 200ms/页 ≈93% 我的取舍 准确率：RapidOCR 比 PaddleOCR 低 5 个点。 速度：RapidOCR 比 PaddleOCR 快 2 倍。 包大小：RapidOCR 比 PaddleOCR 小 10 倍。 对一个本地 PDF 工具来说，速度 > 准确率。 理由是反直觉但真实： 用户最痛的不是「识别错一个字」 是...