PDF duomenų perkėlimas į lentelę susideda iš kelių darbų: failo gavimo, turinio perskaitymo, reikiamų reikšmių išgavimo ir patikros. DI gali padėti apdoroti skirtingai išdėstytą informaciją, tačiau failo išsaugojimas ir jo turinio supratimas nėra tas pats procesas.
Ar PDF yra tekstinis, ar nuskenuotas?
Tekstiniame PDF informaciją dažnai galima pažymėti ir nukopijuoti. Nuskenuotame dokumente turinys gali būti paveikslėlis, kuriam reikia teksto atpažinimo. Failų kokybė, pasukimas, lentelių struktūra ir neįskaitomos vietos gali apsunkinti darbą.
Prieš rinkdamiesi sprendimą surinkite kelis skirtingus nuasmenintus pavyzdžius. Vienas tvarkingas vieno puslapio dokumentas neparodo, kaip procesas tvarkysis su kelių puslapių lentelėmis, skirtingais tiekėjais ir prastos kokybės skenu.
Kokius laukus išgauti?
Tiksliai aprašykite laukų pavadinimus ir reikšmes. Pavyzdžiui: dokumento numeris, data, tiekėjas ir pasirinkta suma. Jei dokumente yra kelios sumos, nurodykite, kuri reikalinga. Laukas „Suma“ be paaiškinimo gali būti dviprasmis.
Trūkstamai reikšmei numatykite tuščią lauką ir peržiūros būseną. Modelis neturėtų sugalvoti numerio ar datos vien tam, kad užpildytų visas lentelės skiltis. Svarbu atskirti reikšmę, kuri nerasta, nuo aiškiai nurodyto nulio.
Kaip tikrinti rezultatą?
Prie išgautų duomenų išsaugokite ryšį su originaliu failu ir, kai įmanoma, konkrečia puslapio vieta. Darbuotojas tada gali palyginti reikšmę su šaltiniu. Duomenų formatą ir leistinas reikšmes tikrinkite atskirai nuo teksto generavimo.
Kai kurie išgavimo įrankiai pateikia patikimumo įvertį. Jis gali padėti nukreipti neaiškius laukus peržiūrai, bet nėra universali teisingumo garantija. Patikros ribą nustatykite pagal tikrus bandymų rezultatus ir klaidos pasekmes.
Kaip valdyti išimtis ir dublikatus?
Numatykite atskirą peržiūros vietą dokumentams, kurių neįmanoma perskaityti arba kurių struktūra neatitinka apimties. Išsaugokite priežastį: trūksta puslapio, nerastas numeris ar neatitinka reikiamas formatas.
Tikrinkite, ar tas pats failas arba dokumentas nebuvo apdorotas anksčiau. Vien originalus failo pavadinimas ne visada pakankamas. Dublikatų taisyklę suderinkite pagal dokumento tipą ir duomenų šaltinius.
Kaip pradėti bandomąjį projektą?
Pasirinkite vieną dokumentų tipą ir nedidelį reprezentatyvų rinkinį. Iš anksto paruoškite teisingas reikšmes palyginimui. Atskirai vertinkite kiekvieno lauko klaidas ir laiką, kurio reikia darbuotojo pataisymams.
Iš pradžių perkelkite rezultatus į bandomąjį registrą. Tik patvirtinę kokybę planuokite perdavimą į tolesnę sistemą. Toks duomenų išgavimas savaime nereiškia apskaitos įrašo sukūrimo ar mokėjimo patvirtinimo – tai atskiros užduotys.
Dažniausi klausimai
Ar paprastas priedų surinkimo scenarijus perskaito PDF?
Ne. Failo saugojimas ir turinio išgavimas yra atskiri veiksmai.
Ar galima visus rezultatus iškart perduoti toliau?
Pirmiau reikia bandymų, aiškių laukų ir išimčių kontrolės. Svarbiems duomenims gali reikėti žmogaus patikros.
Šaltiniai ir papildoma informacija
Dokumentų laukų išgavimo ir patikimumo įverčių dokumentacija ↗
Pasirinkite kitą žingsnį
Norite individualaus sprendimo? Rinkitės specialistą arba pateikite poreikį rekomendacijai. Jei jūsų procesui tinka paruoštas šablonas, jį įsidiegiate savarankiškai savo paskyroje.