Enterprise الإصدار

‏⁨Intelligence⁩ — مرجع متعمّق

لمحة سريعة

يوثّق هذا المرجع المتعمّق تحديد أنواع المفتاح-القيمة والتحقّق من المخطّط، وتوليد شبكة الجداول، وحدّ تنسيق الطبقة العلوية القابلة للبحث.

التوفّر والترخيص

تُشحَن هذه القدرة في ‏⁨NextPDF Enterprise⁩ (nextpdf/enterprise) وتُفعَّل بمظروف ترخيص من طبقة ‏⁨Enterprise⁩. والنشر الذي يفتقر إلى ذلك الاستحقاق لا يحمّل أصناف القدرة. قارن الإصدارات واحصل على ترخيص.

عقد السلوك

يحدّد StructuredExtractor::extract أنواع مُدخَل المفتاح-القيمة الخام. وعند توفير مخطّط، تُبقى الأزواج التي يطابق مفتاحها حقلًا في المخطّط فقط؛ والأزواج التي بلا ثقة صريحة تتلقّى افتراضًا ثابتًا. ويُرجِع validateSchema أسماء الحقول المطلوبة التي لم تُعثَر (الفراغ يعني مطابقًا). وتحدّد هذه الخطوة أنواع البيانات المُستخرَجة مسبقًا وتتحقّق منها؛ وهي لا تتعرّف على النص ولا تُسنِد دقّة محسوبة.

يبني TableExtractor::extract جداول مُهيكَلة من شبكات الصفوف الخام. وعدد الأعمدة هو الصفّ الأعرض؛ وتُحشى الصفوف القصيرة بخلايا فارغة. وتتلقّى كل خلية صندوقًا محيطًا مُولَّدًا من تقسيم منتظم لمساحة صفحة مُسوّاة وثقةٍ افتراضية ثابتة. والجدول بلا صفوف أو بلا أعمدة يُتجاوَز. والصناديق المحيطة توليد شبكة، لا تخطيط مقيس.

يتحقّق SearchableOverlay::generate من ترويسة ‏⁨PDF⁩، ويحدّ حجم المُدخَل وعدد الصفحات (مغلقًا عند الفشل عند الفيض)، ويكشف الصفحات التي تفتقر إلى طبقة نصّ صالحة، ويقود خلفية ‏⁨OCR⁩ المُهيَّأة، ويُرجِع عددي كلمات لكل صفحة ومتوسّط ثقة. والصفحة ذات الطبقة النصّية الأصلية الصالحة تُتجاوَز افتراضيًا. ويعتمد نصّ ‏⁨OCR⁩ غير المرئي على وضع تصيير نصّ لا يملأ المحارف ولا يحدّها (‏⁨ISO 32000-2:2020 §9.3.3⁩)؛ وعندما يكون المصدر موسومًا، تخطّط شجرة البنية المحتوى إلى ترتيب قراءة (‏⁨§14.7⁩) وتصف عناصر بنية الجدول الصفوف والخلايا (‏⁨§14.8⁩). أمّا التنقيط الفعلي وحقن النصّ غير المرئي فمُفوَّضان إلى عملية مساعد منفصلة؛ وسطح ‏⁨PHP⁩ يُنسِّق ويُرجِع البيانات الوصفية للنتيجة. ومخرَج الطبقة العلوية مستند مشتق — أي توقيع قائم يُبطَل ويجب إعادة التحقّق من المطابقة. والثقة تمرير مباشر أو افتراض ثابت؛ ولا يؤكّد السطح أي دقّة ‏⁨OCR⁩ أو استرجاع استخراج.

سطح واجهة برمجة التطبيقات العامة

NextPDF\Enterprise\Intelligence\StructuredExtractor، NextPDF\Enterprise\Intelligence\ExtractionSchema، NextPDF\Enterprise\Intelligence\SchemaField، NextPDF\Enterprise\Intelligence\KeyValuePair، NextPDF\Enterprise\Intelligence\TableExtractor، NextPDF\Enterprise\Intelligence\TableResult، NextPDF\Enterprise\Intelligence\TableCell، NextPDF\Enterprise\Intelligence\SearchableOverlay، NextPDF\Enterprise\Intelligence\OverlayConfig، NextPDF\Enterprise\Intelligence\SearchableOverlayResult، NextPDF\Enterprise\Intelligence\PageOverlayInfo، NextPDF\Enterprise\Intelligence\ExtractionConfig، وتعدادا ExtractionStrategy / OverlayQuality. وخلفية ‏⁨OCR⁩ عقد مُحقَن يوفّره النشر. التواقيع مُدرَجة على الصفحة العامة.

المطابقة

تخطّط آلية الطبقة العلوية إلى ‏⁨ISO 32000-2:2020 §9.3.3⁩ (وضع تصيير النصّ) و، للمصادر الموسومة، ‏⁨§14.7–§14.8⁩ (شجرة البنية وعناصر الجدول). وتستهلك خطوات الهيكلة البيانات المُستخرَجة مسبقًا؛ والجودة محدودة بالمُستخرِج في الخطوة السابقة وخلفية ‏⁨OCR⁩.

الحالات الحدّية وسلوك وضع ‏⁨FIPS⁩

الصناديق المحيطة المُولَّدة للجداول تقسيم شبكة منتظم، لا تخطيط مقيس.
عندما تكون خلفية ‏⁨OCR⁩ غير متوفّرة، تسهم الصفحات المتأثّرة بصفر كلمات بدلًا من إفشال التشغيل كلّه بصمت؛ افحص نتيجة كل صفحة.
مخرَج الطبقة العلوية مستند مشتق؛ أعد التحقّق من التواقيع وحالة المطابقة.
لا تقع عملية تشفير في هذه الوحدة، فلا يوجد سلوك خاص بوضع ‏⁨FIPS⁩.

حدود النشر

توثّق هذه الصفحة السلوك القابل للملاحظة خارجيًا وسطح واجهة برمجة التطبيقات العام المدعوم فقط. أمّا مسارات أسماء النطاقات الداخلية، وأصناف المساعدة، وجداول الآليات، وأسماء ملفات أدلّة التشغيل، وبادئات التذاكر، فخارج النطاق.

البديل في ‏⁨Core⁩

‏⁨NextPDF Core⁩ (‏⁨Apache-2.0⁩) لا يملك تنسيق طبقة علوية قابلة للبحث ولا سطح هيكلة مُتحقَّق من مخطّطه — لا يوجد؛ ليس لهذه القدرة مكافئ في طبقة ‏⁨Core⁩.

البديل في ‏⁨Pro⁩

يشحن ‏⁨NextPDF Pro⁩ استخراجًا بنيويًا مدفوعًا بـ‏⁨AST⁩ على مستند مُحلَّل مسبقًا؛ وهو لا يوفّر هيكلة مفتاح-قيمة مُتحقَّقًا من مخطّطها، ولا إعادة بناء جداول من شبكات خام، ولا تنسيق طبقة علوية قابلة للبحث مدعومًا بـ‏⁨OCR⁩. وتُشحَن تلك في حزمة nextpdf/enterprise فقط.

ملاحظة حدود ‏⁨Enterprise⁩

يُوصَف تحديد أنواع المفتاح-القيمة، والتحقّق من المخطّط، وتوليد شبكة الجداول، وتنسيق الطبقة العلوية على مستوى السلوك. ويجري التنقيط الفعلي وحقن النصّ غير المرئي في عملية مساعد منفصلة؛ وداخليات المساعد، ونموذج ‏⁨OCR⁩، وأي تفاصيل تنسيق داخلية خارج النطاق ولا يُعاد إنتاجها هنا. وخلفية ‏⁨OCR⁩ عقد مُحقَن يوفّره النشر.

حدود بيئة النشر

يوفّر النشر خلفية ‏⁨OCR⁩ ويشغّلها ويختار أين يُحسَب ‏⁨OCR⁩ — وبالتالي أين تُحسَب صور المستند والنصّ المُتعرَّف عليه ويُخزَّنان. ويحدّ السطح حجم المُدخَل وعدد الصفحات ويُغلَق عند الفشل عند الفيض. ويُنسِّق ‏⁨NextPDF Enterprise⁩ سير العمل ويُرجِع البيانات الوصفية للنتيجة؛ وهو لا يُضمِّن نموذج ‏⁨OCR⁩ ولا يضمن دقّة التعرّف أو استرجاع الاستخراج.

حدود الامتثال القانوني

لا ينطبق أي قيد للتحكّم في التصدير على هذا السطح. ولا يؤكّد السطح أي ضمان لدقّة ‏⁨OCR⁩ أو استرجاع الاستخراج ولا أي حالة امتثال تنظيمي. وهذا المرجع ليس رأيًا قانونيًا.