Kaip ištraukti sąskaitos linijos elementus ir struktūrines lenteles

Linijos elementų ir lentelių ištraukimas iš sąskaitų yra raktas visiškai automatizuoti mokamų sąrašų, auditus ir išlaidų analitiką. Aspose.OCR Sąskaita į tekstą .NET leidžia jums atskleisti išsamius, daugiapakopinius, daugiakolumbinius duomenis – net iš skanintų ar fotografuotų dokumentų.

Realaus pasaulio problemos

Sąskaitose yra produktų / paslaugų lentelių - rankiniu būdu jų perrašymas yra laiko ir klaidų priežastis.

Sprendimo apžvalga

Naudokite OCR, kad atpažintumėte lentelės regionus, suskirstykite kiekvieną eilutę ir stulpelį ir eksportuokite į struktūrizuotus formatus ERP, BI ar tolesnio analizės tikslais.

Prerequisites

• „Visual Studio 2019“ arba vėliau
• .NET 6.0 arba naujesnė (arba .Net Framework 4.6.2+)
• ASPOSE.OCR už .NET iš NuGet
• Pavyzdžiui, sąskaitos nuotraukos arba PDF su eilutėmis / lentelėmis

PM> Install-Package Aspose.OCR

Žingsnis po žingsnio įgyvendinimas

string invoiceFile = "invoice_with_items.pdf";

using Aspose.OCR;
InvoiceRecognitionSettings settings = new InvoiceRecognitionSettings();
settings.Language = Language.English;
AsposeOcr ocr = new AsposeOcr();
OcrInput input = new OcrInput(InputType.PDF);
input.Add(invoiceFile);
List<RecognitionResult> results = ocr.RecognizeInvoice(input, settings);
string fullText = results[0].RecognitionText;

// Example: Split into lines, then columns (simplified)
string[] lines = fullText.Split(new[] { '\n' }, StringSplitOptions.RemoveEmptyEntries);
foreach (var line in lines)
{
    if (Regex.IsMatch(line, @"\d+\s+[A-Za-z].*\s+\d+[.,]\d{2}")) // crude line item match
    {
        string[] columns = line.Split(new[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
        // Map columns: SKU, description, qty, price, total, etc.
    }
}

using (var writer = new StreamWriter("invoice_lineitems.csv"))
{
    writer.WriteLine("SKU,Description,Qty,UnitPrice,Total");
    // Loop and write line items parsed above
}

using Aspose.OCR;
using System;
using System.IO;
using System.Text.RegularExpressions;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        string invoiceFile = "invoice_with_items.pdf";
        InvoiceRecognitionSettings settings = new InvoiceRecognitionSettings();
        settings.Language = Language.English;
        AsposeOcr ocr = new AsposeOcr();
        OcrInput input = new OcrInput(InputType.PDF);
        input.Add(invoiceFile);
        List<RecognitionResult> results = ocr.RecognizeInvoice(input, settings);
        string fullText = results[0].RecognitionText;
        var lineItems = new List<string[]>();
        string[] lines = fullText.Split(new[] { '\n' }, StringSplitOptions.RemoveEmptyEntries);
        foreach (var line in lines)
        {
            if (Regex.IsMatch(line, @"\d+\s+[A-Za-z].*\s+\d+[.,]\d{2}"))
                lineItems.Add(line.Split(new[] { ' ' }, StringSplitOptions.RemoveEmptyEntries));
        }
        using (var writer = new StreamWriter("invoice_lineitems.csv"))
        {
            writer.WriteLine("SKU,Description,Qty,UnitPrice,Total");
            foreach (var item in lineItems)
                writer.WriteLine(string.Join(",", item));
        }
    }
}

Naudokite atvejus ir paraiškas

Apžvalga ir AP automatizavimas

Ekstraktas išdėstytas sąnaudas ataskaitoms, prognozavimui ir patvirtinimui.

Sąskaitos auditas ir peržiūra

Streamline auditas / patvirtinimas su eksportuojamais, mašinų skaitymo duomenimis.

ERP / finansų sistemos integracija

Tiesiogiai įkrauti struktūrizuotus lentelės duomenis į finansinę arba ERP programinę įrangą.

Bendrieji iššūkiai ir sprendimai

Iššūkis 1: Įvairios lentelės formatos

Išsprendimas: Kiekvienam tiekėjui / šablonui pateikiama regex ir parsing logika.

2 iššūkis: OCR atpažinimo klaidos kolonose

Išsprendimas: Naudokite stulpelio heuristiką, prašome aukštos kokybės skenavimo arba vėliavos rankiniu būdu peržiūrėti.

3 iššūkis: dingusios ar prarastos kolonos

Išsprendimas: Normalizuoti, suskirstyti arba skubiai peržiūrėti abejingus atvejus.

Veiksmingumo apžvalgos

• Batch procesas kelis sąskaitas lygiagrečiai
• Log/flag parsing klausimai žmogaus apžvalga

Geriausios praktikos

• Sukurkite regex biblioteką žinomų šablonų
• Apžvalga mėginių išeitis tune parsing
• Saugūs originalūs / tvarkomi failai auditui
• Atnaujinkite ekstrakcijos logiką, kai keičiasi tiekėjai / šablonai

Išplėstiniai scenarijai

1 scenarijus: žemėlapio linijos elementai į ERP / duomenų bazę tiesiogiai

Naudokite ORM arba API skambučius, kad paspaustumėte išvestus lentelės duomenis.

2 scenarijus: tvarkykite daugialypę lentelę

Išplėskite logiką per PDF / vaizdo puslapio lūkesčius.

Conclusion

Aspose.OCR Invoice to Text for .NET leidžia išgauti išsamius sąskaitos eilutės elementus ir lenteles, leidžiančias visiškai automatizuoti nuo skenavimo / nuotraukos iki struktūrizuotų, veiksmingų duomenų.

Žiūrėti daugiau struktūrizuotą ekstrakcijos kodą ASPOSE.OCR už .NET API nuorodą .