fix:添加ocr识别时的info信息

core/construction_review/component/doc_worker/pdf_worker/hybrid_extractor.py

@@ -172,6 +172,10 @@ class HybridFullTextExtractor(FullTextExtractor):
 
         try:
             total_pages = len(doc)
+            ocr_page_count = 0  # 统计需要OCR的页数
+            
+            # INFO级别：开始文档提取（方便查看主要流程）
+            logger.info(f"[文档提取] 开始处理，共 {total_pages} 页，使用混合模式（GLM-OCR）")
             logger.debug(f"开始混合提取（飞浆版面分析 + GLM-OCR），共 {total_pages} 页...")
 
             if self._progress_state is not None:
@@ -180,6 +184,13 @@ class HybridFullTextExtractor(FullTextExtractor):
 
             # ========== 第一阶段：飞浆版面分析 ==========
             table_pages = self._detect_table_pages(doc, dpi=self.layout_dpi)
+            ocr_page_count = len(table_pages)
+            
+            # INFO级别：版面分析完成，显示OCR页数
+            if ocr_page_count > 0:
+                logger.info(f"[文档提取] 版面分析完成，共 {ocr_page_count} 页需要OCR识别，{total_pages - ocr_page_count} 页直接提取")
+            else:
+                logger.info(f"[文档提取] 版面分析完成，无扫描页，全部直接提取")
 
             # ========== 第二阶段：分流处理 ==========
             logger.debug(f"\n开始分流处理...")
@@ -221,6 +232,10 @@ class HybridFullTextExtractor(FullTextExtractor):
 
         finally:
             doc.close()
+        
+        # INFO级别：文档提取完成
+        total_chars = sum(len(page['text']) for page in pages)
+        logger.info(f"[文档提取] 完成，共 {total_pages} 页，总字符数: {total_chars}")
 
         return pages
 
@@ -254,6 +269,9 @@ class HybridFullTextExtractor(FullTextExtractor):
         """
         start_time = time.time()
         
+        # INFO级别：开始调用GLM-OCR识别（方便查看主要流程）
+        logger.info(f"[GLM-OCR] 开始识别第 {page_num} 页（扫描页）")
+        
         try:
             # 1. 渲染为图片
             pix = page.get_pixmap(dpi=self.ocr_dpi)
@@ -310,7 +328,9 @@ class HybridFullTextExtractor(FullTextExtractor):
             md_content = self._process_raw_content(content)
             
             elapsed = time.time() - start_time
-            logger.debug(f"    [GLM-OCR] 第 {page_num} 页完成，耗时: {elapsed:.2f}s，字符数: {len(md_content)}")
+            # INFO级别：识别完成（方便查看主要流程）
+            logger.info(f"[GLM-OCR] 第 {page_num} 页识别完成，耗时: {elapsed:.2f}s，字符数: {len(md_content)}")
+            logger.debug(f"    [GLM-OCR] 第 {page_num} 页详细耗时: {elapsed:.2f}s")
             
             return md_content