Здравствуйте, Ади Янчер
Надеюсь, у вас все хорошо.

Хороший вызов для современного программиста..

Самый простой способ - использовать библиотеки python для вашего случая.
Изучил эту проблему в python. Хорошо. Имеет некоторые недостатки. А также размер дистрибутива.

Изучил apache pdfbox для java. Более сжатые результаты.
… Нет необходимости в OCR. Но apache POI еще не изучен.

В любом случае, должен быть графический пользовательский интерфейс, правила парсинга/отображения и отображение текста в excel, а также общие шаблоны pdf-документов и так далее.
Может быть, стоит подумать о веб-сервисе для других пользователей.

Решение:
ОС платформы - где работает java.
java, apache pdfbox 3 apache POI
Дополнительно: tesseract-ocr.
Дополнительно: tesseract-ocr. дополнительное обучение модели.

Буду рад услышать ваше мнение.

С уважением.

Показать оригинал

Перевести

Здравствуйте! 👋

Я рад помочь вам с вашим проектом по созданию мощного и эффективного скрипта/инструмента для извлечения данных на иврите из PDF-файлов и их заполнения в Excel. Вот почему я идеально подхожу для этой задачи:

Почему выбирают меня?
Экспертиза в OCR и автоматизации:

У меня есть обширный опыт работы с Tesseract OCR, включая поддержку иврита, что обеспечивает высокую точность извлечения текста.
Доказанный опыт создания автоматизированных инструментов для сложного извлечения данных и их сопоставления.
… Безупречное сопоставление данных:

Я специализируюсь на разработке скриптов, которые точно определяют ключевые слова в PDF и сопоставляют их с правильными столбцами Excel, следуя заранее определенным структурам.
Я могу реализовать обработку ошибок для отсутствующих или некорректных данных, обеспечивая чистый и надежный вывод.
Внимание к деталям:

Я понимаю важность обработки нескольких кредитных планов и разбора сложных полей, таких как даты, процентные ставки и ежемесячные платежи (включая символы, такие как ₪).
Я позабочусь о том, чтобы ваш вывод в Excel был профессионально оформлен и соответствовал вашим требованиям.
Эффективный рабочий процесс и коммуникация:

Я работаю быстро, не жертвуя качеством. Задача будет выполнена в срок с обновлениями на каждом этапе.
Я ценю четкую коммуникацию и обеспечу, чтобы инструмент/скрипт был прост в использовании и настраиваем для будущих нужд.
Мой план выполнения вашей задачи
Настройка OCR:

Настроить Tesseract с поддержкой иврита для эффективного извлечения текста из PDF-файлов.
Извлечение данных и сопоставление:

Разработать надежный скрипт для определения конкретных полей, таких как тип кредита, сумма, процентная ставка, и сопоставить их с соответствующими столбцами Excel.
Обработка ошибок и форматирование:

Создать механизмы проверки ошибок для корректной обработки отсутствующих данных.
Точно отформатировать выходной файл Excel, обеспечивая его соответствие вашим спецификациям.
Доставка и поддержка:

Предоставить полностью функциональный и протестированный скрипт или инструмент.
Предложить поддержку после доставки, чтобы обеспечить бесшовную интеграцию и использование.
Давайте начнем!
Я уверен, что смогу предоставить высококачественное решение, соответствующее вашим потребностям. Давайте обсудим ваши требования подробнее, и я позабочусь о том, чтобы этот проект превзошел ваши ожидания. Я с нетерпением жду сотрудничества с вами! 😊

Показать оригинал

Перевести

Здравствуйте,
Я могу реализовать решение для вашего проекта в виде .exe программы для Windows.
Однако у меня есть несколько вопросов для обсуждения:
- Все ли PDF файлы следуют тому же шаблону, что и прикрепленный файл?
- Чтобы лучше понять информационные связи, не могли бы вы записать видео, показывающее, как вы вручную заполняете файл Excel на основе PDF файла?

Показать оригинал

Перевести