Processamento de documentos
Extração de tabelas
Defina colunas ou simplesmente descreva o que precisa; a IA lê o documento, extrai e verifica cada célula palavra por palavra.
Extração de tabelas
O que acontece à sua tabela
Cada célula produzida por esta ferramenta é comparada com a camada de texto da página de onde veio. O modelo lê a tabela e escreve valores; o verificador pergunta depois, para cada valor, se esse texto exato consta do documento. Uma célula confirmada é entregue como valor normal. Uma célula que não pode ser confirmada é assinalada, e a entrega inteira é marcada como com avisos em vez de ser reportada como um sucesso limpo.
Esta verificação existe por uma razão concreta: um modelo a quem se pede para transcrever uma tabela às vezes melhora-a. Nos nossos próprios testes transformou a célula 循環貸款 em 循環貸款等 — um caractere a mais, invisível ao percorrer o resultado, e errado. A validação de esquema não o deteta, porque a coluna continua a ser a coluna e o tipo continua a ser o tipo. Só a comparação com o original o deteta.
Pode definir as colunas de saída ou descrever o que precisa numa frase e deixar a ferramenta deduzir a estrutura. O modo descrição devolve primeiro uma pré-visualização gratuita da estrutura, para confirmar se percebeu a tabela antes de gastar créditos. Cada tabela detetada torna-se uma folha própria do livro.
Perguntas frequentes
- O que acontece se um valor na digitalização estiver desfocado ou ilegível?
- É marcado como não confirmado em vez de ser adivinhado em silêncio. Não pedimos ao modelo que invente um valor plausível e o entregue como facto, porque um número plausivelmente errado numa folha de cálculo é pior do que uma lacuna visível. A entrega é marcada para que verifique essas células.
- Como sei que células não foram verificadas?
- O resultado traz avisos que nomeiam a tabela afetada, e cada célula que o documento não conseguiu confirmar é reportada individualmente. Uma entrega com células não confirmadas é marcada como bem-sucedida com avisos, nunca como sucesso limpo: o próprio resultado convida a olhar com atenção.
- A estrutura de linhas e colunas é mantida?
- Sim. O esquema é lido da geometria do original, pelo que células unidas, extensões de linha e ordem de leitura são preservadas em vez de achatadas numa só coluna. Cada tabela é uma folha separada, por isso um documento com várias tabelas não as mistura.
- Que tamanho de documento posso enviar?
- Até 50 MB por ficheiro. As tabelas são lidas página a página, pelo que um relatório longo custa o mesmo por tabela na página 2 ou na 200. Dividir uma digitalização enorme costuma ser mais rápido.
- Qual é a diferença em relação a um programa OCR?
- O OCR dá-lhe caracteres por ordem de leitura e deixa a avaliação consigo. Aqui obtém a estrutura da tabela, uma verificação célula a célula contra o original e a indicação das células que não foi possível confirmar. A saída é um livro auditável, não uma parede de texto para reler.
- Que formato recebo?
- Um livro de Excel com uma folha por tabela detetada, mais um manifesto JSON que registra o número de páginas de origem, o checksum e os avisos. O manifesto permite que a entrega se explique mais tarde sem depender da memória.
O que esta ferramenta não faz
Não repara uma digitalização. Se um valor é realmente ilegível no original, nenhum processamento o recupera; a ferramenta indicará que a célula não está confirmada em vez de produzir um número.
Não cria fórmulas. Os valores visíveis são transcritos; os cálculos que o original fazia não são reconstruídos.
Uma célula confirmada significa que o texto consta da camada de texto, não que a tabela foi interpretada como pretendia. Se definir uma coluna inexistente, a ferramenta não a pode inventar, e a entrega mostrará isso.