Привіт, Аді Янчер
Сподіваюся, ти в порядку.

Цікаве завдання для сучасного програміста..

Найпростіший спосіб - використовувати бібліотеки python для твого випадку.
Досліджував це питання в python. Гарно. Має деякі недоліки. А також розмір дистрибуції.

Досліджував apache pdfbox для java. Більш стислі результати.
… Немає потреби в OCR. Але ще не досліджував apache POI.

У будь-якому випадку, має бути графічний інтерфейс користувача, правила парсингу/відображення, а також відображення тексту в excel, а також загальні шаблони pdf документів і так далі.
Можливо, варто подумати про веб-сервіс для інших користувачів.

Рішення:
ОС платформи - де працює java.
java, apache pdfbox 3 apache POI
Опціонально: tesseract-ocr.
Опціонально: tesseract-ocr. додаткове навчання моделі.

Буду радий почути твою думку.

З повагою.

Показати оригінал

Перекласти

Привіт! 👋

Я радий допомогти з вашим проектом створення потужного та ефективного скрипта/інструменту для витягування даних на івриті з PDF-файлів та їх заповнення в Excel. Ось чому я ідеально підходжу для цього завдання:

Чому обрати мене?
Експертиза в OCR та автоматизації:

У мене великий досвід роботи з Tesseract OCR, включаючи підтримку івриту, що забезпечує високу точність витягування тексту.
Доведений досвід створення автоматизованих інструментів для складного витягування даних та їх відображення.
… Бездоганне відображення даних:

Я спеціалізуюсь на розробці скриптів, які точно ідентифікують ключові слова в PDF-файлах та відображають їх у відповідних стовпцях Excel, дотримуючись попередньо визначених структур.
Я можу реалізувати обробку помилок для відсутніх або неправильних даних, забезпечуючи чистий та надійний вихід.
Увага до деталей:

Я розумію важливість обробки кількох кредитних планів та парсингу складних полів, таких як дати, процентні ставки та щомісячні платежі (включаючи символи, такі як ₪).
Я подбаю про те, щоб ваш вихідний файл Excel був професійно оформлений і відповідав вашим вимогам.
Ефективний робочий процес та комунікація:

Я працюю швидко, не жертвуючи якістю. Завдання буде виконано вчасно з оновленнями на кожному етапі.
Я ціную чітку комунікацію і забезпечу, щоб інструмент/скрипт був простим у використанні та налаштуванні для майбутніх потреб.
Мій план виконання вашого завдання
Налаштування OCR:

Налаштувати Tesseract з підтримкою івриту для ефективного витягування тексту з PDF-файлів.
Витягування даних та відображення:

Розробити надійний скрипт для ідентифікації конкретних полів, таких як тип кредиту, сума, процентна ставка, та відобразити їх у відповідних стовпцях Excel.
Обробка помилок та форматування:

Створити механізми перевірки помилок для коректної обробки відсутніх даних.
Форматувати вихідний файл Excel з точністю, забезпечуючи відповідність вашим специфікаціям.
Доставка та підтримка:

Надати повністю функціональний та протестований скрипт або інструмент.
Запропонувати підтримку після доставки для забезпечення безперебійної інтеграції та використання.
Давайте почнемо!
Я впевнений, що можу запропонувати рішення високої якості, адаптоване до ваших потреб. Давайте обговоримо ваші вимоги детальніше, і я подбаю про те, щоб цей проект перевершив ваші очікування. Я з нетерпінням чекаю співпраці з вами! 😊

Показати оригінал

Перекласти

Привіт,
Я можу реалізувати рішення для вашого проекту у вигляді програми .exe для Windows.
Однак у мене є кілька запитань для обговорення:
- Чи всі PDF файли відповідають одному й тому ж шаблону, як прикріплений файл?
- Щоб краще зрозуміти інформаційні зв'язки, чи могли б ви записати відео, на якому показано, як ви вручну заповнюєте файл Excel на основі PDF файлу?

Показати оригінал

Перекласти