指南與文章

第一回合挑的是難讀的文件。但實際環境送來的是更糟的照片。這次補上了:橫躺的點陣印表單、層層疊疊的複寫聯、暗光下揉皺的配送單、深夜夾在寫字板上的單據,還有一張同一個 ¥711 印了四次的收據。

我們給space-ocr和Mistral Document AI同樣的8個案例、同樣的欄位結構、同樣的評分腳本。分數差距很大,結構差距更大。

「自我校驗」在關掉之前只是一句主張。我們關了：修好 22 個儲存格、弄壞 0 個，還有一個四次裡命中三次的標記——這套測法可以搬到任何抽取流程上。

分開保存完整 Markdown 與結構元素，把元素和表格儲存格映射回原圖，只將 flagged path 送入複核。

原始 OCR 會把多欄頁面交錯輸出。用目前的 values、cells、review、image、source 約定，同時完成索引與原文核對。

別再逐字輸入文件照片上的資料了。space-ocr 能自動處理歪斜影像和多國語言，將任何 JPEG 或 PNG 照片轉換成乾淨整齊的試算表資料列。

請 GPT-4o 或 Gemini 讀一份文件,你拿到的是無法核對、也無法查詢的文字。space-ocr 讓每個值都附上 box 與 quad、一個 verified 判定,以及一份列出待複核項目的 review.flagged。

別再從表格圖片中手動複製貼上資料了。只需定義一次欄位，space-ocr 就能將每個項目明細轉換為結構化的 CSV 資料列，方便您直接匯入使用。

告別輪詢，打造現代化的應付帳款工作流程。非同步上傳發票至我們的 OCR API，讓結構化資料透過附有簽章的 Webhook 直接推送到您的端點。

從混亂的 JPEG 資料夾，到井然有序的工作空間。將您的掃描文件整理成表格，每一次掃描都是一筆紀錄，每個數值都可查證，所有內容皆可搜尋。

別再手動將收據資料輸入試算表了。掃描您的文件，擷取結構化資料，然後將它們作為清晰、可稽核的資料列匯入 Google 試算表。

別再費力研究複雜的 OCR 函式庫了。本指南將示範如何用一段簡單的 Python 腳本和一次 REST API 呼叫，將任何發票影像解析成結構化的 JSON。

將那疊紙本收據，變成一份乾淨、可驗證的 CSV 費用報表。這是一份實用的收據數位化指南，包含頁面即時驗證功能。

從 review.flagged 開始，開啟 cells[path]，對照原圖中的 box 或 quad 檢查欄位。

把明細表宣告成陣列欄位，每一項就是一列；列與每個值都能用 data.cells 的路徑查到座標與判定，需要複查的則列在 review.flagged。

掃描出來的頁面只是一張圖片，不是試算表——本文教你怎麼把它讀成結構化的資料列，並匯出一個能直接在 Excel 開啟的 CSV。

什麼情況下 Textract 的替代方案才合理——用路徑取用的來源座標、告訴你該複核什麼的清單、日文／韓文／中文支援、可查詢的表格，以及免 AWS 帳號的單張固定定價——而 Textract 又在哪些地方依然出色。

多數 OCR API 都會回傳定界框，但座標系統各異，光有框只說得出位置。如何為你宣告的每個欄位拿到 0–1000 的 box 與 quad，並把 data.review.flagged 當成待確認清單。

掃描 PDF 就是「表格的圖片」。不用手動輸入、也不用複製貼上，把每一頁讀成結構化欄位，再輸出成 Excel 能直接打開的 CSV（UTF-8 BOM）——這是一套實務做法。