feat: extend ocr scanned sample coverage

backend/app/services/review_service.py

@@ -130,6 +130,14 @@ REPORT_PDF_MARKERS = (
     "风险项：",
     "原始文本摘要：",
 )
+OCR_SIGNATURE_NOISE_PATTERN = re.compile(
+    r"^((甲方|乙方|双方|法定代表人|授权代表)(（?(签字|签章|盖章)）?)|(签字|签章|盖章|签署页|签字页|盖章页|签署栏|本页无正文)|(party\s*a(\s+signature)?)|(party\s*b(\s+signature)?)|(signature|signed))$",
+    re.IGNORECASE,
+)
+OCR_SIGNATURE_DATE_PATTERN = re.compile(
+    r"^((日期|签署日期|签约日期|date)[:：]?\s*[\d\s\-./年月日]+)$",
+    re.IGNORECASE,
+)
 OCR_GATE_PASS = "PASS"
 OCR_GATE_WARN = "WARN"
 OCR_GATE_BLOCK = "BLOCK"
@@ -980,6 +988,10 @@ class ReviewService:
                 continue
             if PDF_PAGE_NOISE_PATTERN.fullmatch(line):
                 continue
+            if len(line) <= 24 and OCR_SIGNATURE_NOISE_PATTERN.fullmatch(line):
+                continue
+            if len(line) <= 28 and OCR_SIGNATURE_DATE_PATTERN.fullmatch(line):
+                continue
             if PDF_NOISE_LINE_PATTERN.search(line):
                 continue
             if line.lower().count(" obj") or line.lower().count("endobj"):

backend/tools/pdf_acceptance_gate.py

@@ -171,6 +171,101 @@ def make_cn_image_contract() -> bytes:
     return pdf_buffer.getvalue()
 
 
+def make_cn_multi_page_contract() -> bytes:
+    font = _load_cjk_font(30)
+    pages = [
+        [
+            "采购合同扫描样本（第1页）",
+            "第一条 付款节点：甲方应在验收合格并收到发票后十五个工作日内付款。",
+            "第二条 验收标准：系统核心流程可用且严重缺陷关闭后视为验收完成。",
+        ],
+        [
+            "采购合同扫描样本（第2页）",
+            "第三条 保密义务：乙方应对商业秘密和技术资料承担三年保密义务。",
+            "第四条 违约责任：如乙方延期交付，双方应按约承担违约责任。",
+        ],
+    ]
+
+    pdf_buffer = io.BytesIO()
+    pdf = canvas.Canvas(pdf_buffer)
+    for lines in pages:
+        image = Image.new("RGB", (980, 620), "white")
+        draw = ImageDraw.Draw(image)
+        y = 56
+        for line in lines:
+            draw.text((40, y), line, fill="black", font=font)
+            y += 94
+        pdf.drawImage(ImageReader(image), 30, 220, width=550, height=360)
+        pdf.showPage()
+    pdf.save()
+    return pdf_buffer.getvalue()
+
+
+def make_table_scan_pdf() -> bytes:
+    image = Image.new("RGB", (1100, 760), "white")
+    draw = ImageDraw.Draw(image)
+    font = _load_cjk_font(28)
+
+    draw.text((40, 30), "表格型采购合同扫描样本", fill="black", font=font)
+    left = 40
+    top = 100
+    col_widths = [220, 760]
+    row_height = 90
+    rows = [
+        ("条款项", "内容"),
+        ("付款节点", "验收合格并收到发票后十五个工作日内付款"),
+        ("验收标准", "核心功能可用且严重缺陷关闭"),
+        ("保密义务", "商业秘密和技术资料保密三年"),
+        ("违约责任", "延期交付按约承担违约责任"),
+    ]
+
+    for row_index, row in enumerate(rows):
+        current_top = top + row_index * row_height
+        x = left
+        for cell_index, cell_text in enumerate(row):
+            width = col_widths[cell_index]
+            draw.rectangle((x, current_top, x + width, current_top + row_height), outline="black", width=2)
+            draw.text((x + 16, current_top + 28), cell_text, fill="black", font=font)
+            x += width
+
+    pdf_buffer = io.BytesIO()
+    pdf = canvas.Canvas(pdf_buffer)
+    pdf.drawImage(ImageReader(image), 24, 180, width=560, height=390)
+    pdf.save()
+    return pdf_buffer.getvalue()
+
+
+def make_signature_noise_scan_pdf() -> bytes:
+    font = _load_cjk_font(28)
+    pages = [
+        [
+            "服务合同扫描样本",
+            "甲方应在验收合格并收到发票后十五个工作日内付款。",
+            "乙方应对商业秘密和技术资料承担保密义务。",
+        ],
+        [
+            "签署页",
+            "甲方（盖章）",
+            "乙方（签字）",
+            "签署日期：2026年05月04日",
+        ],
+    ]
+
+    pdf_buffer = io.BytesIO()
+    pdf = canvas.Canvas(pdf_buffer)
+    for lines in pages:
+        image = Image.new("RGB", (900, 620), "white")
+        draw = ImageDraw.Draw(image)
+        y = 70
+        for line in lines:
+            draw.text((50, y), line, fill="black", font=font)
+            y += 100
+        pdf.drawImage(ImageReader(image), 36, 230, width=520, height=340)
+        pdf.showPage()
+    pdf.save()
+    return pdf_buffer.getvalue()
+
+
 def make_image_only_pdf() -> bytes:
     return _make_image_contract(low_res=False)
 
@@ -260,6 +355,41 @@ def build_cases(sample_contract_path: Optional[str]) -> List[PdfCase]:
             require_preview=["采购合同扫描样本", "甲方应在验收合格并收到发票后十五个工作日内付款。"],
             notes="OCR 第一批实现后，中文扫描合同应至少进入正式审查，并暴露 OCR 门禁结果。",
         ),
+        PdfCase(
+            case_id="C-004",
+            category="C",
+            label="多页中文扫描合同 PDF（OCR第三批）",
+            expectation="ocr_supported",
+            file_name="gate-cn-multipage.pdf",
+            build_bytes=make_cn_multi_page_contract,
+            allow_ocr_statuses=["PASS", "WARN"],
+            require_preview=["采购合同扫描样本（第1页）", "第一条 付款节点：甲方应在验收合格并收到发票后十五个工作日内付款。"],
+            notes="OCR 第三批：多页中文扫描合同应能进入正式审查。",
+        ),
+        PdfCase(
+            case_id="C-005",
+            category="C",
+            label="表格型扫描 PDF（OCR第三批）",
+            expectation="ocr_supported",
+            file_name="gate-table-scan.pdf",
+            build_bytes=make_table_scan_pdf,
+            allow_ocr_statuses=["PASS", "WARN"],
+            require_preview=["表格型采购合同扫描样本", "付款节点"],
+            notes="OCR 第三批：表格型扫描 PDF 至少应进入正式审查，并暴露 OCR 门禁结果。",
+        ),
+        PdfCase(
+            case_id="C-006",
+            category="C",
+            label="盖章/签章干扰扫描 PDF（OCR第三批）",
+            expectation="ocr_supported",
+            file_name="gate-signature-scan.pdf",
+            build_bytes=make_signature_noise_scan_pdf,
+            allow_ocr_statuses=["PASS", "WARN"],
+            require_preview=["服务合同扫描样本", "甲方应在验收合格并收到发票后十五个工作日内付款。"],
+            forbid_preview=["甲方（盖章）", "乙方（签字）", "签署日期：2026年05月04日", "签署页"],
+            require_clause_absent=["甲方（盖章）", "乙方（签字）", "签署日期：2026年05月04日", "签署页"],
+            notes="OCR 第三批：签章页噪声不应污染正文摘要和条款列表。",
+        ),
     ]
 
     if sample_contract_path:

frontend/src/app/review/page.tsx

@@ -26,12 +26,51 @@ type ReviewFormValues = {
 
 const reviewHighlights = ["支持 PDF / DOCX / TXT 上传", "可叠加补充文本说明", "提交后自动进入结果详情页"];
 
+type SubmissionGuidance = {
+  type: "info" | "warning" | "error";
+  title: string;
+  description: string;
+};
+
+function buildSubmissionGuidance(message: string): SubmissionGuidance | null {
+  if (message.includes("疑似平台审查报告 PDF")) {
+    return {
+      type: "warning",
+      title: "当前上传的是平台审查报告，不是合同原文",
+      description: "请改为上传合同原文 PDF / DOCX / TXT，或直接粘贴合同正文后再审查。",
+    };
+  }
+  if (message.includes("OCR 识别质量不足")) {
+    return {
+      type: "warning",
+      title: "扫描件识别质量不足",
+      description: "建议上传更清晰的扫描件、可复制文本 PDF / DOCX / TXT，或直接粘贴合同正文。清晰扫描件已支持 OCR，但低质量扫描件仍会被门禁拦截。",
+    };
+  }
+  if (message.includes("扫描件/图片型 PDF") || message.includes("OCR")) {
+    return {
+      type: "info",
+      title: "检测到扫描件或图片型 PDF",
+      description: "系统会先尝试 OCR；若识别质量不足，会建议你改传更清晰扫描件、可复制文本 PDF / DOCX / TXT，或直接粘贴合同正文。",
+    };
+  }
+  if (message.includes("无法从上传文件中提取可审查文本")) {
+    return {
+      type: "warning",
+      title: "当前文件未形成可审查正文",
+      description: "请确认文件是可复制文本 PDF / DOCX / TXT；如果是扫描件，请提高扫描清晰度或直接粘贴合同正文。",
+    };
+  }
+  return null;
+}
+
 export default function ReviewPage() {
   const router = useRouter();
   const [form] = Form.useForm<ReviewFormValues>();
   const [messageApi, contextHolder] = message.useMessage();
   const [fileList, setFileList] = useState<UploadFile[]>([]);
   const [submitting, setSubmitting] = useState(false);
+  const [submissionGuidance, setSubmissionGuidance] = useState<SubmissionGuidance | null>(null);
   const submitLockRef = useRef(false);
   const selectedFile = fileList[0];
   const selectedFileName = useMemo(() => selectedFile?.name ?? "", [selectedFile]);
@@ -53,19 +92,32 @@ export default function ReviewPage() {
     { label: "目标输出", value: "风险总览 / 条款摘要 / 报告下载" },
   ];
 
-  const handleSubmit = async (values: ReviewFormValues) => {
+  const handleSubmitFailed = () => {
+    setSubmitting(false);
+    submitLockRef.current = false;
+  };
+
+  const requestSubmit = () => {
     if (submitLockRef.current || submitting) {
       return;
     }
+    submitLockRef.current = true;
+    setSubmitting(true);
+    void form.submit();
+  };
+
+  const handleSubmit = async (values: ReviewFormValues) => {
     const text = values.text?.trim();
     const selectedOriginFile = selectedFile?.originFileObj;
 
     if (!selectedOriginFile && !text) {
+      setSubmissionGuidance(null);
       messageApi.error("请上传合同文件或填写合同文本");
       return;
     }
 
     if (selectedOriginFile && !isSupportedReviewFile(selectedOriginFile.name)) {
+      setSubmissionGuidance(null);
       messageApi.error("仅支持 PDF / DOCX / TXT 文件");
       return;
     }
@@ -84,21 +136,21 @@ export default function ReviewPage() {
     if (selectedOriginFile) {
       formData.append("file", selectedOriginFile);
     }
-
-    submitLockRef.current = true;
-    setSubmitting(true);
-
     try {
       const result = await createReview(formData);
 
       if (result.code !== 0) {
+        setSubmissionGuidance(buildSubmissionGuidance(result.message || ""));
         messageApi.error(result.message || "提交审查失败");
         return;
       }
 
+      setSubmissionGuidance(null);
       messageApi.success(selectedOriginFile ? "审查任务已创建，文件内容已纳入审查" : "审查任务已创建");
       router.push(`/reviews/${result.data.id}`);
-    } catch {
+    } catch (error: unknown) {
+      const message = error instanceof Error ? error.message : "提交失败，请稍后重试";
+      setSubmissionGuidance(buildSubmissionGuidance(message));
       messageApi.error("提交失败，请稍后重试");
     } finally {
       setSubmitting(false);
@@ -144,7 +196,7 @@ export default function ReviewPage() {
           </Card>
         </section>
 
-        <Form form={form} layout="vertical" initialValues={{ review_as: "party_a" }} onFinish={handleSubmit}>
+        <Form form={form} layout="vertical" initialValues={{ review_as: "party_a" }} onFinish={handleSubmit} onFinishFailed={handleSubmitFailed}>
           <Row gutter={[16, 16]}>
             <Col xs={24} lg={14}>
               <Space direction="vertical" size="middle" style={{ width: "100%" }}>
@@ -155,6 +207,14 @@ export default function ReviewPage() {
                       type="info"
                       message="上传文件后，系统会先抽取文件文本，再进入风险识别与条款摘要链路。"
                     />
+                    {submissionGuidance ? (
+                      <Alert
+                        showIcon
+                        type={submissionGuidance.type}
+                        message={submissionGuidance.title}
+                        description={submissionGuidance.description}
+                      />
+                    ) : null}
                     <Dragger
                       accept=".pdf,.docx,.txt"
                       beforeUpload={(file) => {
@@ -236,7 +296,7 @@ export default function ReviewPage() {
                     message="提交后将自动进入详情页，可查看风险总览、条款摘要和报告下载。"
                   />
 
-                  <Button block type="primary" htmlType="submit" loading={submitting} disabled={submitting}>
+                  <Button block type="primary" htmlType="button" loading={submitting} disabled={submitting} onClick={requestSubmit}>
                     提交审查
                   </Button>
                 </Card>

project-docs/OCR与扫描件审查增强方案-2026-05-04.md

@@ -100,6 +100,29 @@
    - 已新增：
      - `project-docs/中文扫描合同样本库清单-2026-05-04.csv`
 
+### 第三批推进结果
+
+1. **多页中文扫描合同**
+   - 已接入 `C-004`
+   - 目标：`PASS/WARN`
+
+2. **表格型扫描 PDF**
+   - 已接入 `C-005`
+   - 目标：`PASS/WARN`
+
+3. **盖章页 / 签章页干扰清洗**
+   - 已在后端清洗逻辑中增加签章页噪声规则
+   - 已接入 `C-006`
+   - 目标：正文摘要不再混入签章页短噪声
+
+4. **前端 OCR 状态展示**
+   - 审查详情页已显示 `OCR Quality Gate`
+   - 用户可直接看到 `PASS / WARN / BLOCK`
+
+5. **低质量扫描件的人机交互提示**
+   - 提交页已按错误信息细分提示
+   - 扫描件 / 报告型 PDF / OCR 低质量都会返回更具体的用户提示
+
 ## 4. 未在第一批实现的内容
 
 1. 扫描件中文复杂版式专项优化
@@ -118,9 +141,9 @@
 
 ## 6. 下一批建议
 
-第二批最自然的工作是：
+下一批最自然的工作是：
 
-1. 中文扫描合同样本库落地
-2. OCR 后清洗进一步加强
-3. 低质量扫描件的边界提示优化
-4. 前端详情页展示 `OCR PASS/WARN/BLOCK`
+1. 用真实业务扫描样本替换当前动态生成样本
+2. 多页中文扫描合同与表格型扫描 PDF 持续调优到更稳定的 `PASS`
+3. 盖章页 / 签章页清洗继续细化
+4. 低质量扫描件的人机交互提示再丰富

project-docs/中文扫描合同样本库清单-2026-05-04.csv

@@ -1,6 +1,6 @@
 sample_id,title,document_type,language,current_stage,current_expectation,gate_case,source_mode,notes
 C-003,中文扫描采购合同（清晰）,scanned_pdf,zh-CN,ocr_first_batch,PASS/WARN,C-003,dynamic_generated,当前已接入 PDF 验收门禁；用于验证中文 OCR 进入正式审查链路
-C-004,中文扫描采购合同（低清晰度）,scanned_pdf,zh-CN,planned_second_batch,WARN/BLOCK,,planned_fixture,下一批用于验证中文低质量扫描件的 OCR 质量门禁
-C-005,中文扫描服务合同（多页）,scanned_pdf,zh-CN,planned_second_batch,PASS/WARN,,planned_fixture,下一批用于验证多页扫描件、跨页拼接与页眉页脚清洗
-C-006,中文扫描劳动合同（盖章页）,scanned_pdf,zh-CN,planned_second_batch,PASS/WARN,,planned_fixture,下一批用于验证盖章、签章页与正文分离
-C-007,中文扫描框架协议（表格较多）,scanned_pdf,zh-CN,planned_second_batch,WARN/BLOCK,,planned_fixture,下一批用于验证表格型扫描 PDF 的 OCR 与后清洗
+C-004,中文扫描采购合同（低清晰度）,scanned_pdf,zh-CN,ocr_third_batch,WARN/BLOCK,C-002,dynamic_generated,OCR 第三批：低质量中文扫描件由 OCR 质量门禁控制
+C-005,中文扫描采购合同（多页）,scanned_pdf,zh-CN,ocr_third_batch,PASS/WARN,C-004,dynamic_generated,OCR 第三批：多页中文扫描合同应进入正式审查
+C-006,中文扫描采购合同（表格型）,scanned_pdf,zh-CN,ocr_third_batch,PASS/WARN,C-005,dynamic_generated,OCR 第三批：表格型扫描 PDF 至少应进入正式审查
+C-007,中文扫描服务合同（盖章/签章页干扰）,scanned_pdf,zh-CN,ocr_third_batch,PASS/WARN,C-006,dynamic_generated,OCR 第三批：盖章/签章页噪声不应污染正文摘要