# 下一步实现计划

## 现状总结

✅ **P1 实时图传**：已完成
✅ **P2/P3 上传与任务处理**：已完成
✅ **MinerU 真实接入**：已完成（markdown 处理 + ZIP 打包）
✅ **任务管理面板**：已完成（手机端轮询 + 下载到指定目录）

### MinerU markdown 已实现
- 使用 `aio_do_parse()` 异步接口，pipeline 后端
- `HF_HUB_OFFLINE=1` 使用本地缓存模型
- 输出 `.md` + `images/` + `{name}_result.zip` 三种 artifact

### 任务管理面板已实现
- 手机端 `TaskPanelSection`：排队中 / 处理中 / 已完成 / 失败 四种状态
- 2 秒轮询 PC 任务状态，自动更新 UI
- SAF 目录选择 → 下载到指定目录 → 打开文件

### 当前 ocrpdf 的局限性

⚠️ 当前 `processType=ocrpdf` 使用 MinerU 的 `f_draw_layout_bbox=True` 生成 layout PDF（在 PDF 上画布局框），**不是真正的 OCR 双层 PDF**。

真正的 OCRmyPDF 应该：
- 保留原始 PDF 的视觉外观
- 在图像层上叠加透明文字层（text layer）
- 结果可通过 Ctrl+F 搜索文字
- 文件可被屏幕阅读器朗读

---

## 下一步：OCRmyPDF 真实接入 🔥

### 目标
用 `ocrmypdf` 库替换当前 MinerU 的 layout PDF 生成，产出真正的可搜索双层 PDF。

### 为什么需要 OCRmyPDF 而不是继续用 MinerU 做 ocrpdf

| 特性 | MinerU layout PDF | OCRmyPDF |
|------|-------------------|----------|
| 可搜索文字 | ❌ 仅图片上的框 | ✅ 透明文字层 |
| 保留原始外观 | ❌ 重新渲染 | ✅ 原样保留 |
| 文件大小 | 较小 | 完整保留原 PDF |
| 用途 | 可视化版面分析 | 归档、检索、无障碍 |

### 实现方案

`ocrmypdf` 是一个 Python 命令行工具/库，在 MinerU 的 conda 环境中安装：

```bash
conda activate MinerU
pip install ocrmypdf
```

**统一环境说明**：MinerU 和 OCRmyPDF 共用一个 conda 环境 `MinerU`，PC 服务器始终在该环境下运行：

```bash
conda activate MinerU
cd pc-server
python main.py
```

### 环境信息

| 项目 | 值 |
|------|-----|
| Conda 环境名 | `MinerU` |
| 环境路径 | `D:/ProgramData/miniconda3/envs/MinerU/` |
| Python | 3.10.20 |
| PyTorch | 2.6.0+cu124 |
| CUDA | 12.4 |
| GPU | RTX 4060 Laptop (8 GB VRAM) |
| MinerU | 3.0.9（已接入 markdown） |
| OCRmyPDF | 15.4.4（✅ 已安装，源码 `F:/datasets_rm/ocRmypdf`，v15.4.4 标签） |
| Tesseract | ❌ 待安装（OCRmyPDF 必需依赖） |
| 用途 | MinerU markdown 处理 + OCRmyPDF 双层 PDF 处理 |

### 安装 Tesseract

OCRmyPDF 依赖 Tesseract 做实际 OCR 文字识别。Windows 安装：

```bash
# 方式1：conda（推荐，与 MinerU 同一环境）
conda activate MinerU
conda install -c conda-forge tesseract

# 方式2：手动安装
# 下载安装包：https://github.com/UB-Mannheim/tesseract/wiki
# 安装后确认：
tesseract --list-langs  # 应包含 chi_sim, eng
```

安装中文语言包：
```bash
# conda 方式
conda install -c conda-forge tesseract-lang

# 或手动下载 chi_sim.traineddata 放到 tessdata 目录
```

然后在 `pc-server/main.py` 的 `process_with_mineru` 中，`ocrpdf` 分支改为调用 OCRmyPDF：

```python
import ocrmypdf

# ocrpdf 分支
ocrmypdf.ocr(
    upload_path_src,           # 输入 PDF
    str(output_dir / f"{base_name}_ocr.pdf"),  # 输出 PDF
    language="chi_sim",         # 中文简体
    output_type="pdf",
    skip_text=True,             # 跳过已有文字层
    deskew=True,                # 纠偏
    clean=True,                 # 清理
)
```

输出：真正的可搜索双层 PDF。

### 语言映射

| MinerU lang | OCRmyPDF language |
|-------------|-------------------|
| `ch` | `chi_sim` |
| `en` | `eng` |
| `japan` | `jpn` |
| `korean` | `kor` |

### 待确认

- [x] `ocrmypdf` 已安装到 MinerU conda 环境（v15.4.4）
- [ ] Tesseract OCR 引擎已安装
- [ ] Tesseract 语言包（`chi_sim`, `eng`）已安装

---

## P0：局域网发现与连接校验（待排期）

### 目标
让手机能够自动发现同一局域网中的 FairScan PC 服务。

### 已有占位文件
- `network/discovery/LanServiceDiscovery.kt`（接口定义）
- `network/discovery/DiscoveryState.kt`（状态模型）
- `network/discovery/DiscoveredHost.kt`（主机模型）