Ekstrak data
Tarik kolom yang sama dari setumpuk dokumen, jadi JSON atau CSV.
PDF Anda tidak pernah diunggah. Teksnya diekstrak di browser, ditampilkan kepada Anda, dan baru dikirim setelah Anda menyetujuinya.
Apa yang dilakukan alat ini
Alat ini membaca sekumpulan dokumen dan mengembalikan satu baris untuk tiap dokumen, berisi kolom-kolom yang Anda minta. Teksnya diambil di browser Anda lalu dikirim ke penyedia AI pilihan Anda dengan kunci Anda sendiri; berkasnya sendiri tidak pernah meninggalkan perangkat. Keluarannya berupa larik JSON atau berkas CSV, dengan kolom _file supaya tiap baris menyebutkan dokumen asalnya.
Alat ini memang untuk pekerjaan borongan: dua puluh faktur pemasok yang harus menjadi dua puluh baris di buku besar, struk sebulan penuh menjelang klaim biaya, rekening koran yang Anda butuhkan saldo awal dan akhirnya, atau satu map dokumen identitas yang nomornya harus diketik ke dalam sistem.
Cara kerjanya
- Jatuhkan sampai dua puluh PDF ke halaman ini, lalu pilih penyedia Anda dan tempelkan API key.
- Pilih pratata - faktur, struk, dokumen identitas, atau rekening koran - atau pilih kolom sendiri lalu tuliskan nama kolomnya, satu per baris.
- Biarkan sakelar kolom kosong tetap aktif. Itulah yang membuat nilai yang tidak ada kembali sebagai kosong, bukan sebagai karangan.
- Pilih JSON atau CSV, lalu tekan Ekstrak. Tiap dokumen adalah satu permintaan, dan progresnya menunjukkan dokumen mana yang sedang berjalan.
- Unduh berkasnya. Tiap baris punya kolom yang sama, dalam urutan yang Anda minta, terlepas dari apakah dokumennya memuat kolom itu atau tidak.
Membiarkan kolom kosong tetap kosong adalah setelan terpenting di halaman ini, dan ia aktif sejak awal. Diminta nomor faktur, sebuah model bahasa akan memproduksi satu nomor entah dokumennya punya atau tidak, dan nomor faktur karangan yang terlihat masuk akal jauh lebih merugikan daripada sel kosong - salahnya berjenis yang tidak disadari siapa pun sampai pembayaran mendarat di tempat yang keliru. Dengan setelan ini aktif, instruksinya tegas: kalau sebuah nilai tidak jelas tertulis, jangan kembalikan apa-apa, dan jangan pernah mengira-ngira. Matikan hanya kalau Anda memang menginginkan nilai yang disiratkan dokumen tanpa dinyatakan.
Tiap baris kembali dengan persis kunci yang Anda minta, dalam urutan yang Anda minta, ada atau tidak ada di dokumennya. Nilai yang tidak ditemukan menjadi null di JSON dan sel kosong di CSV. Justru itulah yang membuat CSV-nya terbuka rapi di aplikasi lembar sebar: baris dengan bentuk berbeda-beda membuat kolom bergeser, dan total di satu baris berakhir di bawah tanggal pada baris berikutnya. Kalau jawaban sebuah model sama sekali tidak bisa diurai, barisnya diisi kosong alih-alih menggugurkan pekerjaan dua puluh berkas di berkas kesebelas.
Suhu dipatok di nol, karena ekstraksi bukan pekerjaan kreatif dan faktur yang sama seharusnya memberi jawaban yang sama dua kali. Angka diminta sebagai angka polos, tanpa simbol mata uang dan tanpa pemisah ribuan, dan tanggal sebagai teks ISO 8601, sehingga CSV-nya bisa diurutkan dan dijumlahkan tanpa dibersihkan dulu. CSV-nya diberi tanda kutip menurut RFC 4180, yang mencegah nama pemasok yang mengandung koma memecah kolom.
Teksnya tiba dalam urutan baca dengan tata letak yang sudah diratakan, dan itu batas nyata atas apa yang bisa ditarik. Total di pojok kanan bawah sebuah faktur terbaca dengan baik; tabel rincian barang berkolom banyak justru tiba sebagai aliran sel tanpa penanda apa pun tentang kolom asal masing-masing. Itu sebabnya pratata di sini meminta kolom tingkat kepala dokumen - total, tanggal, para pihak - bukan rincian per baris. Untuk tabel yang benar-benar Anda butuhkan sebagai tabel, PDF ke Excel menyusun ulang kisi-kisinya.
Yang tidak bisa dilakukan alat ini
- Teks dokumen dikirim ke penyedia AI yang Anda pilih. Berkasnya sendiri tidak.
- Tabel rincian per baris tidak terekstrak dengan andal, karena teksnya tiba dalam urutan baca tanpa batas kolom. Pakai PDF ke Excel untuk tabel yang Anda butuhkan sebagai tabel.
- Sekalipun kolom kosong dibiarkan kosong, sebuah nilai tetap bisa terbaca dari tempat yang salah - tanggal pengiriman dikira tanggal faktur. Periksa sebagian baris terhadap dokumennya sebelum dipakai.
- PDF hasil pindaian tidak punya teks untuk dibaca. Jalankan OCR PDF di atasnya lebih dulu.
Pertanyaan yang sering diajukan
- Apa fungsi biarkan kolom kosong tetap kosong?
- Setelan ini memberi tahu model bahwa nilai yang tidak jelas tertulis di dokumen harus kembali kosong, dan bahwa mengarang nilai yang kelihatan masuk akal dihitung sebagai cacat, bukan sebagai membantu. Ia aktif sejak awal karena sel kosong adalah masalah yang langsung terlihat, sedangkan nomor faktur karangan baru ketahuan jauh belakangan. Matikan hanya kalau Anda memang menginginkan nilai yang disiratkan dokumen tetapi tidak pernah dinyatakan.
- Bisakah saya menentukan kolom sendiri?
- Bisa. Setel pratata ke kolom sendiri lalu tuliskan nama-namanya, dipisah koma atau baris baru - satu per baris paling mudah dibaca ulang. Nama-nama itu menjadi kunci JSON dan judul kolom CSV persis seperti yang Anda ketik, jadi nama bergaya snake_case seperti purchase_order_number bekerja dengan baik. Pratata bawaan pun sebenarnya hanya daftar kolom biasa; pratata faktur meminta sebelas kolom, dari invoice_number sampai payment_terms.
- Berapa banyak dokumen yang bisa sekali jalan?
- Sampai dua puluh, masing-masing satu permintaan, menghasilkan satu baris per dokumen. Semuanya berbagi batas karakter - 100.000 dibagi jumlah berkas, secara bawaan - jadi dokumen yang lebih panjang daripada jatahnya akan dipotong. Kalau satu dokumen menghasilkan jawaban yang tidak bisa diurai, barisnya diisi kosong dan pekerjaannya jalan terus, bukan gagal di tengah jalan.
- Faktur saya dikirim ke mana?
- Berkasnya tetap di perangkat Anda. Teksnya menuju penyedia yang Anda pilih, satu permintaan untuk tiap dokumen, dikirim oleh browser Anda dengan kunci Anda sendiri. Tidak ada server CekPDF di jalur itu dan tidak ada akun CekPDF, jadi tidak ada apa pun di sini yang memegang salinannya. Kalau dokumennya memuat data pribadi - KTP dan rekening koran memuatnya - maka syarat yang berlaku adalah syarat milik penyedia Anda.
- Seberapa bisa diandalkan nilainya?
- Cukup andal untuk menghemat pengetikan, tidak cukup andal untuk melewatkan pemeriksaan. Kolom tingkat kepala pada faktur yang bersih - nomor, tanggal, total - kembali dengan benar hampir selalu. Yang membuatnya meleset adalah kemenduaan: dua tanggal di satu halaman dan hanya satu yang tanggal faktur, subtotal yang mirip total, atau nilai pajak yang terpecah di dua baris. Suhunya nol, jadi setidaknya jawabannya konsisten antar jalan.