С деловым документом почти никогда не нужен «весь текст». Нужны номер, дата, поставщик, сумма и позиции — то есть поля. Это другая задача, и решается она иначе: не «прочитай страницу», а «найди и верни вот эти значения».
Выберите тип документа и отметьте поля, которые нужны в таблице. Получится готовое задание — с ним результат приходит структурой, а не сплошным текстом.
Состав полей приведён по форме документа. Результат всё равно нужно сверять с оригиналом: в цифрах и реквизитах ошибка распознавания выглядит так же правдоподобно, как верное значение.
Каждый месяц одни и те же формы от одних и тех же поставщиков. Здесь окупается настройка: один раз описали поля — дальше повторяется.
Пачка чужих документов, которую надо превратить в таблицу один раз. Настройка не нужна, важна скорость.
Документы уже есть, нужен поиск по ним. Здесь чаще нужен текстовый слой, а не извлечение полей.
По типам данных, а не по типам документов.
| Данные | Насколько надёжно | На что смотреть |
|---|---|---|
| Номер и дата | обычно надёжно | путаница форматов даты |
| Названия и адреса | надёжно | сокращения и кавычки |
| ИНН, КПП, счета | цифры длинные | проверять контрольные разряды |
| Суммы | критично | разделители разрядов и копейки |
| Позиции и количество | сложно | таблица, объединённые ячейки |
| Подписи и печати | не извлекаются | это не данные, а изображение |
| Рукописные пометки | ненадёжно | требуют отдельной вычитки |
Результат распознавания документа — это черновик данных, а не сами данные. В отличие от статьи, где опечатка видна, ошибка в сумме выглядит абсолютно нормально: число как число.
Поэтому в любом процессе, где документы влияют на деньги, должна быть сверка: контрольная сумма, сопоставление с заказом, повторная проверка ключевых полей. Инструмент экономит ввод, а не ответственность.
Нет. Ключевые поля — суммы, реквизиты, даты — проверяют всегда. Экономия здесь в скорости ввода, а не в отмене контроля.
При работе через описание полей — нет: задача ставится словами. Шаблоны нужны специализированным системам, которые считывают позиции на странице.
Переснять. На документах это окупается почти всегда: проверка плохо распознанной страницы дороже повторной съёмки.
Как помощь при вводе — да. Как замена контроля — нет: первичные документы требуют сверки независимо от способа ввода.
Это зависит от выбранного сервиса. Если документы содержат персональные данные или коммерческую тайну, условия обработки нужно проверять до загрузки, а не после.
Счета от разных поставщиков свёрстаны по-разному. Инструмент, который справился с чужим образцом, может не попасть в поля на вашем.
Разобрать документ →