doc_processer/docs/LATEX_PROTECTION_FINAL_FIX.md

LaTeX 命令保护 - 最终修复方案

问题

LaTeX 命令被错误拆分：

• \vdots → \vd ots ❌
• \lambda_{1} → \lambd a_{1} ❌

根本原因

Stage 2 的微分规范化功能设计缺陷，会匹配任何 d + 字母的组合，无法区分：

• 微分符号：\int dx
• LaTeX 命令内部：\vdots, \lambda
• 变量名：dx, dy
• 下标：x_{dx}

解决方案

✅ 最终决定：禁用微分规范化

文件: app/services/ocr_service.py

修改内容:

1. 更新正则表达式（增加前后保护）
2. 禁用 Stage 2 微分规范化（注释掉相关代码）

保留的功能

Stage	功能	状态	说明
0	数字错误修复	✅ 保留	2 2. 2 → 22.2
1	拆分粘连命令	✅ 保留	\intdx → \int dx
2	微分规范化	❌ 禁用	避免误判

为什么禁用而不是修复？

成本收益分析:

启用微分规范化：

• ✅ 小收益：微分符号格式稍微规范
• ❌ 高风险：破坏 LaTeX 命令、变量名、下标

禁用微分规范化：

• ❌ 小损失：\int dx 不会变成 \int d x
• ✅ 高收益：所有 LaTeX 命令和变量名都安全

结论: 风险远大于收益，禁用是正确选择。

受保护的 LaTeX 命令

禁用后，以下命令现在都是安全的：

希腊字母:

• \delta (δ)
• \Delta (Δ)
• \lambda (λ)

省略号:

• \vdots (⋮)
• \cdots (⋯)
• \ldots (…)
• \ddots (⋱)
• \iddots (⋰)

其他:

• 所有包含 d 的自定义命令
• 所有变量名和下标

可选方案

如果确实需要微分规范化，代码中提供了上下文感知版本：

def _normalize_differentials_contextaware(expr: str) -> str:
    """只在特定上下文中规范化微分：
    1. 积分后：\\int dx → \\int d x
    2. 分式分母：\\frac{dy}{dx} → \\frac{dy}{d x}
    """
    # 实现见 ocr_service.py

默认不启用，用户可自行评估是否需要。

部署步骤

1. ✅ 代码已修改
2. ✅ 无语法错误
3. 🔄 重启服务
4. 🧪 测试验证:

   python test_disabled_differential_norm.py
   

测试验证

# 应该全部保持不变
assert process(r"\vdots") == r"\vdots"           # ✅
assert process(r"\lambda_{1}") == r"\lambda_{1}" # ✅
assert process(r"\delta") == r"\delta"           # ✅
assert process(r"dx") == r"dx"                   # ✅
assert process(r"x_{dx}") == r"x_{dx}"           # ✅

# OCR 错误修复仍然工作
assert process(r"\intdx") == r"\int dx"          # ✅
assert process("2 2. 2") == "22.2"               # ✅

影响分析

✅ 正面影响

• LaTeX 命令不再被破坏
• 变量名和下标不再被误改
• 误判风险大幅降低
• 代码更简单，更易维护
• 处理速度略微提升

⚠️ 潜在影响

• 微分符号不再自动规范化
  • \int dx 不会变成 \int d x
  • 但两者都是有效的 LaTeX，渲染效果相同

📊 总体评估

✅ 正向改进：风险降低远大于功能损失

设计哲学

OCR 后处理应遵循的原则：

1. ✅ 只修复明确的错误（数字错误、粘连命令）
2. ✅ 保守而不是激进（宁可不改也不要改错）
3. ✅ 基于白名单（只处理已知情况）
4. ❌ 不依赖语义理解（无法区分微分和变量名）
5. ❌ 不做"智能"猜测（猜错代价太高）

核心原则: Do No Harm - 不确定的时候，不要修改。

相关文档

• 详细报告: docs/DISABLE_DIFFERENTIAL_NORMALIZATION.md
• 测试脚本: test_disabled_differential_norm.py
• 之前的修复: docs/DIFFERENTIAL_PATTERN_BUG_FIX.md

总结

修改	状态
禁用微分规范化	✅ 完成
保护 LaTeX 命令	✅ 完成
保留数字修复	✅ 保留
保留命令拆分	✅ 保留
无语法错误	✅ 验证
等待重启验证	🔄 待完成

下一步: 重启服务，测试包含 \vdots 和 \lambda 的图片！