Extraire les données PDF pour le mappage de données

Comment extraire les données PDF

Quand vous chargez un PDF échantillon pour créer un modèle et définir les règles d’extraction de données, le PDF est affiché à côté du volet de schéma. Le volet de schéma affiche une structure d’arborescence qui décrit comment les données seront extraites. L’Extracteur PDF de MapForce inclut un moteur de suggestion puissant qui identifie automatiquement des éléments communs du document et tente de détecter leur structure.

Par exemple, le moteur de suggestion identifiera des tables qui existent dans le document dans lesquelles vous pouvez optez d’extraire des données automatiquement. Un opérateur de fractionnement dans le volet de schéma vous aide à définir comment diviser correctement la table en lignes séparées. Ce moteur de suggestion peut rechercher des bords ou des lignes pour créer le fractionnement, ou fractionner basé sur une distance fixe, par exemple, qui peut être consulté dans le volet de l'Aperçu PDF. En même temps, le moteur de suggestion saisit des colonnes et l’en-tête de texte. Cliquer sur un objet dans l’arborescence de schéma met en lumière la structure correspondante et les règles de capture des données telles qu’elles s’appliquent dans le document PDF.

Dans les documents PDF volumineux avec de nombreuses tables, il pourrait être utile de rechercher du texte (tel qu’une en-tête) dans le document et de définir les règles pour traiter les données relatives à ce texte. Par exemple, lorsque vous créez un modèle pour extraire des données des rapports financiers annuels, vous pourrez rechercher les « Dépenses » et traiter la tableau de chiffres suivant ce texte en conséquence. Les options de recherche granulaire comme la sensibilité à la casse, le filtrage de format (police, font-weight, etc.), et les recherches de mots entiers ou partiels, permettent un ciblage précis.

Une fois que des données tabulaires sont extraites, vous pouvez ajuster les règles d’extraction, le cas échéant, pour exclure des fragments, ajuster des assignations liées à l’ancre, définir des limites de tables, etc. Ceci peut être accompli en utilisant des outils visuels et des menus déroulants utiles. Vous pouvez prévisualiser les résultats d’extraction des données dans l’arborescence de sortie pour vérifier sa précision.

D’autres éléments de document peuvent être capturés et ajoutés à votre modèle manuellement. Pour définir les règles d’extraction de données manuellement, sélectionnez tout simplement une zone dans le PDF à extraire en la capturant dans un rectangle. Ensuite, sélectionnez la Capture de texte depuis le clic droit du menu contextuel. L’Extracteur PDF ajoute la capture comme élément dans l’arborescence du document, et vous pouvez le glisser et déposer dans la position souhaitée dans l’arborescence.

Lorsque vous travaillez, l’Extracteur PDF de MapForce crée un document XML représentant la structure de votre modèle PDF avec des données échantillon depuis le document PDF dans la fenêtre de sortie. Ceci vous aide à comprendre et à perfectionner les résultats d’extraction qui deviendront un modèle à utiliser dans MapForce.