Словарь
Извлечение данных из документов
Извлечение данных — определение смысла полей в документе и приведение их к структуре: поставщик, ИНН, дата, сумма, позиции. В отличие от OCR, результат — не текст, а таблица или объект с именованными полями.
Подробнее
- Работает поверх OCR либо поверх текстового слоя PDF.
- Может использовать шаблоны (координаты полей), правила или модель, определяющую поля по смыслу.
- Шаблонный подход быстр, но ломается на новом формате документа; смысловой устойчивее, но требует проверки.
Частые ошибки
- Оценивать качество по одному образцовому документу: реальный поток разнообразнее.
- Не проверять арифметику: извлечённые поля могут быть правдоподобны и при этом неверны.
- Забывать про поля-исключения: у ИП нет КПП, при экспорте нет НДС.
Как это влияет на выгрузку
Термин важен не сам по себе, а тем, что меняется в итоговой таблице. Ниже — практические следствия для колонок и проверок.
- Именно этот слой решает, что попадёт в колонку «Поставщик», а что в «Грузополучатель», — OCR такого различия не делает.
- Результат приходит двумя уровнями: шапка документа одной строкой и позиции отдельным листом со ссылкой на документ.
- Поля, определённые по смыслу, проходят арифметическую проверку: сумма позиций против итога, НДС против ставки.
Связанные термины
Пилот · 1 990 ₽ за 30 дней
Разберём ваш документ вручную
Словарь помогает понять термины, но время экономит не он. Пришлите самый неудобный счёт — вернём готовую таблицу.
Первый счёт разбираем вручную под ваш формат. Списание разовое, автопродления нет. Источник перехода: seo/slovar/data-extraction.