昨天开始搜集整理一些高考资料，一是早做准备，因为现在网上的资料实在是有些不靠谱，而那些收费的，同样未必靠谱。再就是也算是为学习做一些数据测试。
搜集的时候发现，资料的确不是很全面，更谈不上规范，估计是当初搜集的时候数据来源不同，只是照搬了。其中好的网站提供内嵌广告的Excel文件，有的资料是网页版，不少依然是那种分辨率不高的图片，而且右下角的水印还是重叠的。
Excel文件最好，网页版也凑付，只是图片版的表格不太合用。今天想起上次测试百度文字OCR接口的时候，里面也提供表格识别，于是测试了一下。
测试参照的一篇文章特别提示，效果很一般。经过实际测试，可能这几年的技术更新，效果还是不错的。文字识别率基本完美，表格中的数字本身识别率也非常高，出错主要出错在首位和末尾数，还出现了前面一格中的末尾数字跑到后面一个最前面的情况。
整体还是满意的，虽然每天免费次数只有50次，但作为应急工作还是堪用的，毕竟手工录入也会存在偏差。
最近对百度的印象好了很多，这就是所说的吃人家的嘴短吧。