TH－OCR2000针对我国现存的实际印刷品中字符集较大和字体多种多样的问题，添加了超大字符集（13053字）和超多种汉字字体（近百种）的汉字识别系统，可适应各种历史时期的不同印刷品的文字识别需求。同时，TH－OCR2000将纵向查错校正算法和传统的横向查错校正算法相结合，使得电子文本的识别错误率降低到了万分之一以下。在对彩色和复杂报纸版面进行自动版面分析的基础上，TH－OCR2000实现了对版面的标题、篇章和阅读顺序等的智能理解，最终生成了“原式原样”版面精确重构的PTF、RTF、Html标准格式电子文档。