Um modelo acrescentou um caractere a uma célula. A validação de esquema não detetou.

Um modelo a quem se pede para transcrever uma tabela às vezes melhora-a. Sem malícia e não com frequência, mas com regularidade suficiente para ser preciso construir uma verificação dedicada.

O caso que a motivou era pequeno. Uma célula num documento de empréstimo dizia 循環貸款, um empréstimo renovável. O modelo devolveu 循環貸款等: as mesmas palavras com 等 acrescentado, transformando um instrumento concreto em «empréstimos renováveis e afins». Um caractere. Ao comparar a saída com a digitalização a olho, não se vê.

Porque é que as verificações habituais não o detetam

A maioria das extrações de tabelas é validada por esquema. A coluna existe? O tipo está correto? O número de linhas é plausível? O esquema responde às três e reporta sucesso, porque a coluna continua a ser a coluna e o tipo continua a ser uma cadeia. O valor está errado de uma forma que nenhuma verificação estrutural consegue exprimir.

A única verificação que o deteta é a comparação com o original. Por isso, depois de o modelo produzir uma célula, o verificador faz uma pergunta mais estreita: este texto exato consta da camada de texto da página de onde veio a tabela? Não «este valor é razoável» — foi essa pergunta que produziu o erro.

Como isso aparece na saída

Uma célula que o documento confirma 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 sucesso limpo. O manifesto registra os detalhes:

{
  "outcome": "succeeded_with_warnings",
  "warnings": [
    "extra_fields:2",
    "unconfirmed_cells:个人关键信息"
  ],
  "source_pages": 7
}

É um manifesto real deste site, sem identificadores. Diz três coisas: a extração é utilizável, foram produzidos dois campos que o esquema não pedia, e uma coluna não pôde ser confirmada de todo. Quem recebe este ficheiro sabe exatamente que coluna verificar à mão.

O que o registo de produção mostra

Das entregas de tabelas registadas neste site, 13 de 14 ficaram marcadas com avisos em vez de limpas. Quatro continham células não confirmadas. Seria fácil apresentar isso como um problema; a leitura honesta é que a verificação faz o que foi construída para fazer, e a alternativa — declarar as catorze bem-sucedidas — seria mentira em pelo menos quatro casos.

A lição generaliza-se para além das tabelas. Sempre que se pede a um modelo para reproduzir algo que já existe num documento, uma verificação estrutural diz que a forma está certa e nada diz sobre o conteúdo. Se o conteúdo importa, tem de ser comparado com o original.

O que fazer com isto

1. Trate «não confirmado» como uma pergunta, não como uma falha. Essa célula precisa de um olhar humano; os restantes 99 % da folha não.
2. Não peça um valor que o documento não contém. Um modelo a quem se pede para preencher um vazio vai preenchê-lo.
3. Compare o número de avisos com o número de colunas definidas. Campos a mais são o rasto de um modelo que alarga o âmbito em silêncio.

Para ver o comportamento no seu próprio documento, a pré-visualização de estrutura é gratuita: devolve as tabelas e colunas detetadas antes de gastar créditos.