Zeka

Bir bakışta

NextPDF Enterprise Intelligence, ham anahtar-değer ve tablo verilerini türlenmiş, isteğe bağlı olarak şema doğrulamalı yapılara dönüştürür ve taranmış sayfalar üzerinde bir OCR arka ucunu sürerek aranabilir PDF üretimini düzenler. Ürettiği yapıları açıklar; OCR doğruluğunu veya çıkarım geri çağrımını ileri sürmez.

Kullanılabilirlik ve lisanslama

Bu özellik NextPDF Enterprise (nextpdf/enterprise) içinde sunulur ve bir Enterprise katmanı lisans zarfıyla etkinleşir. Bu hakka sahip olmayan bir dağıtım, yeteneğin sınıflarını yüklemez. Etkin bir Enterprise hakkına sahip olmayan bir dağıtım bu sınıfları yüklemez. Sürümleri karşılaştırın ve lisans alın.

Kurulum

composer require nextpdf/enterprise:^3

Kavramsal genel bakış

Yapılandırılmış çıkarıcı, yukarı akışta bir hızlandırıcı veya bir buluşsal ayrıştırıcı tarafından üretilen ham anahtar-değer çiftlerini alır ve türlenmiş çift nesneleri yayar. Bir şema sağlandığında yalnızca anahtarı bir şema alanıyla eşleşen çiftleri tutar ve hangi zorunlu alanların eksik olduğunu raporlar. Açık bir güven değeri olmayan bir çift, sabit bir varsayılan alır. Bu, zaten çıkarılmış veriler üzerinde bir türleme ve doğrulama adımıdır; kendisi bir çıkarım veya tanıma motoru değildir ve hesaplanmış bir kesinlik atamaz.

Tablo çıkarıcı, ham satır ızgaralarını alır ve hücre başına nesnelerle, normalleştirilmiş bir sayfa alanının alt bölümlere ayrılmasıyla türetilmiş sentezlenmiş ve düzgün sınırlayıcı kutularla yapılandırılmış tablo sonuçları oluşturur. Kısa satırlar, her satırın en geniş sütun sayısına sahip olması için doldurulur. Hiç satırı veya sütunu olmayan bir tablo atlanır. Sınırlayıcı kutular, ölçülmüş bir yerleşim değil, düzgün bir ızgara sentezidir.

Aranabilir-kaplama düzenleyicisi, taranmış veya karışık bir PDF’i kabul eder, hangi sayfaların kullanılabilir bir metin katmanından yoksun olduğunu tespit eder, yapılandırılmış OCR arka ucunu sürer ve sayfa başına sözcük sayılarını ve ortalama bir güven değerini açıklayan bir sonuç üretir. Görünmez metin, aranabilir bir taranmış sayfanın mekanizmasıdır: bir metin gösterme işleci, metin çizim kipi metin ne doldurulacak ne de konturlanacak şekilde ayarlanmışken glifleri yerleştirebilir — ISO 32000-2:2020 §9.3.3 — ve metin gösterme işleçleri glifleri içerik akışına yerleştirir — ISO 32000-2:2020 §9.4. Kaynak etiketlendiğinde, mantıksal yapı hiyerarşisi içeriği bir okuma sırasına eşler — ISO 32000-2:2020 §14.7, etiketli yapı içeriğin yeniden kullanımını destekler — ISO 32000-2:2020 §14.8 ve tablo yapı öğeleri satırları ve hücreleri tanımlar — ISO 32000-2:2020 §14.8.

Asıl rasterleştirme ve görünmez metin enjeksiyonu, ayrı bir yardımcı hizmet süreci tarafından gerçekleştirilir; PHP yüzeyi iş akışını düzenler ve sonuç meta verilerini üretir. Bir kaplama çalıştırmasının çıktısı türetilmiş bir belgedir: mevcut herhangi bir imza geçersiz kılınır ve uyumluluk durumunun yeniden doğrulanması gerekir. Güven değerleri, garanti edilmiş bir doğruluk değeri değil, geçirgen veya sabit varsayılanlardır.

Neden bu şekilde çalışır

Bu yüzey, yapılandırma ile tanıma arasına kesin bir çizgi çeker. Türleme ve şema doğrulama süreç içinde çalışır, çünkü bunlar belirlenimci ve ucuzdur. Tanıma — rasterleştirme ve görünmez metin enjeksiyonu — enjekte edilen bir OCR arka ucuna ve ayrı bir yardımcı hizmete devredilir, çünkü ağırdır, arka uca özgüdür ve en iyisi PHP güven sınırının dışında tutulmasıdır. Bu ayrım, bir dağıtımın belge görüntülerinin ve tanınan metnin nerede hesaplanıp saklandığını, çağıran kodu değiştirmeden seçmesine olanak tanır. Modül ayrıca bir kesinlik değeri uydurmayı reddeder: etiketlenmemiş bir çift sabit bir varsayılan alır ve raporlanan güven değeri hesaplanmak yerine geçirilir. Bir çağırana asla uydurma bir doğruluk sayısı verilmez.

Tasarım arka planı: Tahmin etmeyi reddeden bir API.

API yüzeyi

Tür	Çeşit	Rol	Kararlılık	Beri
StructuredExtractor	class	Ham anahtar-değer çiftlerini türler; şema filtresi ve zorunlu-alan denetimi	stable	2.2.0
ExtractionSchema / SchemaField	classes	Alan tanımları ve zorunlu-alan kümesi	stable	2.2.0
KeyValuePair	class	Güven değeriyle birlikte tek bir türlenmiş anahtar-değer çifti	stable	2.2.0
TableExtractor	class	Ham satır ızgaralarından yapılandırılmış tablolar oluşturur	stable	2.2.0
TableResult / TableCell	classes	Hücre başına metin, güven değeri ve sınırlayıcı kutuyla tablo biçimi	stable	2.2.0
SearchableOverlay	class	OCR destekli aranabilir-PDF üretimini düzenler	stable	2.2.0
OverlayConfig / OverlayQuality	classes	Dil ipucu, DPI, kalite ön ayarı, yerel-sayfa atlama	stable	2.2.0
SearchableOverlayResult / PageOverlayInfo	classes	Sayfa başına sözcük sayıları ve ortalama güven değeri	stable	2.2.0
ExtractionConfig / ExtractionStrategy	classes	Buluşsal yönteme karşı OCR destekli strateji ve OCR ipuçları	stable	2.2.0

OCR arka ucu, enjekte edilen bir sözleşmedir. Düzenleyici bir OCR modeli gömmez; bir dağıtım arka ucu sağlar ve OCR’nin nerede hesaplandığından sorumludur.

Kod örneği — hızlı başlangıç

Type and schema-validate raw key-value pairs

<?php

declare(strict_types=1);

require_once __DIR__ . '/vendor/autoload.php';

use NextPDF\Enterprise\Intelligence\StructuredExtractor;
use NextPDF\Enterprise\Intelligence\ExtractionSchema;

/**
 * Type raw pairs against a schema and list any missing required fields.
 *
 * @param list<array{key: string, value: string, confidence?: float}> $rawPairs Upstream key-value data.
 *
 * @return list<string> Missing required field names (empty when compliant).
 */
function validate(array $rawPairs, ExtractionSchema $schema): array
{
    $extractor = new StructuredExtractor();
    $pairs = $extractor->extract($rawPairs, $schema);

    return $extractor->validateSchema($schema, $pairs);
}

Çıkarıcı, yukarı akıştaki bir adımın zaten ürettiği verileri türler ve filtreler. Kendisi hiçbir tanıma işlemi yapmaz.

Kod örneği — üretim

Searchable-overlay orchestration with safe logging

<?php

declare(strict_types=1);

require_once __DIR__ . '/vendor/autoload.php';

use NextPDF\Enterprise\Accelerator\OcrStrategyInterface;
use NextPDF\Enterprise\Intelligence\OverlayConfig;
use NextPDF\Enterprise\Intelligence\SearchableOverlay;
use Psr\Log\LoggerInterface;

final readonly class OverlayJob
{
    public function __construct(
        private OcrStrategyInterface $ocr,
        private LoggerInterface $logger,
    ) {}

    /**
     * Generate a searchable PDF from a scanned input.
     *
     * @param string $pdfData Scanned or mixed PDF bytes.
     *
     * @return string The derived searchable PDF bytes.
     */
    public function run(string $pdfData): string
    {
        try {
            $result = (new SearchableOverlay($this->ocr))
                ->generate($pdfData, new OverlayConfig(language: 'eng'));

            $this->logger->info('Overlay complete', [
                'pages' => $result->pageCount,
                'words' => $result->wordCount,
            ]);

            return $result->pdfData;
        } catch (\Throwable $e) {
            $this->logger->error('Overlay failed', ['error' => $e->getMessage()]);

            throw $e;
        }
    }
}

Günlük yalnızca sayfa ve sözcük sayılarını taşır. Tanınan metni veya belge baytlarını taşımaz. Catch yeniden fırlatır; hatayı yutmaz.

Uç durumlar ve tuzaklar

• Yapılandırılmış ve tablo çıkarıcıları, zaten çıkarılmış verileri tüketir. Bir PDF’i ayrıştırmaz, bir model çalıştırmaz veya kesinlik ölçmez. Güven değeri, geçirgen veya sabit bir varsayılandır.
• Sentezlenmiş tablo sınırlayıcı kutuları, ölçülmüş bir yerleşim değil, düzgün bir ızgara alt bölümlemesidir. Gerçek geometriye ihtiyaç duyan bir çağıran onu başka yerden elde etmelidir.
• Aranabilir kaplama türetilmiş bir belgedir. Mevcut herhangi bir dijital imza geçersiz kılınır; kaplamadan sonra uyumluluk durumu yeniden doğrulanmalıdır.
• OCR arka ucu kullanılamadığında, etkilenen sayfalar tüm çalıştırmayı sessizce başarısız kılmak yerine sıfır sözcük katkısı verir — sayfa başına sonucu denetleyin.
• Zaten kullanılabilir bir yerel metin katmanına sahip bir sayfa varsayılan olarak atlanır. Yeniden OCR uygulamanız gerekiyorsa yapılandırmada atlamayı devre dışı bırakın.
• OCR doğruluğu tamamen sağlanan arka uca, girdi kalitesine ve dil ipucuna bağlıdır. NextPDF, tanıma doğruluğunu veya çıkarım geri çağrımını ileri sürmez.

Performans

Yapılandırılmış ve tablo çıkarımı girdi boyutunda doğrusaldır. Aranabilir-kaplama maliyetinde OCR arka ucu ve yardımcı hizmetin yapılandırılmış DPI’daki rasterleştirmesi baskındır; düzenleme yükü küçüktür. Sayfa ve boyut girdileri sınırlanmıştır ve taşmada fail-closed olur. Yeniden üretilebilirlik profili structural’dır: çıkarım, sabit girdi için belirlenimcidir; kaplama çıktısı ise OCR arka ucuna bağlıdır ve arka uçlar veya sürümler arasında farklılaşabilir.

Güvenlik notları

Çıkarıcılar salt okunur yapılandırma adımlarıdır. Kaplama yüzeyi türetilmiş bir belge üretir, girdi boyutunu ve sayfa sayısını sınırlar ve taşmada fail-closed olur. OCR arka ucu, güven sınırının bir parçası değil, bir tümleştirme noktasıdır; bir dağıtım onu seçer ve işletir. Bu modülde hiçbir kriptografik işlem gerçekleşmediğinden hiçbir FIPS iddiasında bulunmaz.

Veri yerleşimi ve PII azaltmaları

Yapılandırılmış ve tablo çıkarımı, ana makine üzerinde süreç içinde çalışır. Aranabilir-kaplama düzenlemesi, enjekte edilen bir OCR arka ucunu sürer: o arka ucun nerede çalıştığı — süreç içinde, yerel bir yardımcı hizmette veya uzak bir hizmette — ve dolayısıyla belge görüntülerinin ve tanınan metnin nerede hesaplanıp saklandığı, kütüphanenin sınırının dışındaki bir dağıtım sorumluluğudur. Girdi kişisel veri içeriyorsa tanınan metin katmanı da içerecektir; türetilmiş belgeye buna göre davranın.

Güvenli telemetri ve günlük temizleme

Kütüphane, yapısal mesajlarla türlenmiş istisnalar yükseltir ve belge baytlarını veya tanınan metni istisna metnine yerleştirmez. Bu yüzeyin çevresinde günlük tutan bir dağıtım, üretim örneğinde gösterildiği gibi sayıları ve yapılandırmayı günlüğe kaydetmeli ve ham PDF yükünü ya da tanınan metni günlüklere veya bir APM arka ucuna kaydetmemelidir.

FIPS modu davranışı

Bu modülde hiçbir kriptografik işlem gerçekleşmez, dolayısıyla FIPS moduna özgü hiçbir davranış yoktur.

Uygunluk

İddia	Standart	Madde
Metin çizim kipi, gliflerin doldurulup doldurulmayacağını, konturlanıp konturlanmayacağını ya da hiçbirini denetler (görünmez OCR metninin temeli).	ISO 32000-2:2020	§9.3.3
Metin gösterme işleçleri glifleri içerik akışına yerleştirir.	ISO 32000-2:2020	§9.4
Mantıksal yapı hiyerarşisi içeriği bir okuma sırasına eşler.	ISO 32000-2:2020	§14.7
Etiketli yapı içeriğin yeniden kullanımını destekler.	ISO 32000-2:2020	§14.8
Tablo yapı öğeleri satırları ve hücreleri tanımlar.	ISO 32000-2:2020	§14.8
Yapı ağacı içeriği bir okuma sırasına eşler.	ISO 32000-2:2020	§14.7

Tüm maddeler başka sözcüklerle ifade edilmiştir. NextPDF normatif metni yeniden üretmez. Yetkili ifade için yayımlanmış standarda başvurun. NextPDF hiçbir OCR-doğruluğu veya çıkarım-geri-çağrımı iddiasında bulunmaz; bu sayfa, bir kalite garantisini değil, üretilen yapıları ve düzenleme sınırını belirtir.

Davranış sözleşmesi

• Yapılandırılmış ve tablo çıkarıcıları zaten çıkarılmış verileri tüketir; bir PDF’i ayrıştırmaz, bir model çalıştırmaz veya kesinlik ölçmez. Güven değeri, geçirgen veya sabit bir varsayılandır.
• Bir şema filtresi yalnızca anahtarı bir şema alanıyla eşleşen çiftleri tutar ve eksik zorunlu alanları raporlar; sentezlenmiş tablo sınırlayıcı kutuları, ölçülmüş bir yerleşim değil, düzgün bir ızgara alt bölümlemesidir.
• Aranabilir kaplama türetilmiş bir belgedir: mevcut herhangi bir dijital imza geçersiz kılınır ve uyumluluk durumu yeniden doğrulanmalıdır.
• OCR arka ucu kullanılamadığında, etkilenen sayfalar tüm çalıştırmayı sessizce başarısız kılmak yerine sıfır sözcük katkısı verir; kullanılabilir bir yerel metin katmanına sahip bir sayfa varsayılan olarak atlanır.
• Sayfa ve boyut girdileri sınırlanmıştır ve taşmada fail-closed olur. Çıkarım, sabit girdi için belirlenimcidir; kaplama çıktısı sağlanan OCR arka ucuna bağlıdır.

Yayımlama sınırı

Bu sayfa yalnızca dışarıdan gözlemlenebilir davranışı ve desteklenen herkese açık API yüzeyini belgeler. Dahilî ad alanı yolları, yardımcı sınıflar, mekanizma tabloları, runbook dosya adları ve bilet önekleri kapsam dışıdır.

Core yedeği

NextPDF Core (Apache-2.0), hiçbir aranabilir-kaplama düzenlemesine ve hiçbir şema doğrulamalı yapılandırma yüzeyine sahip değildir — hiçbiri; bu yeteneğin Core katmanında bir karşılığı yoktur. Core AST modeli, bir çıkarım veya OCR yüzeyi değil, ayrıştırılmış-belge temelidir.

Pro yedeği

NextPDF Pro, zaten ayrıştırılmış bir belge üzerinde yapısal, AST güdümlü çıkarım sunar; şema doğrulamalı anahtar-değer yapılandırması, ham ızgaralardan tablo yeniden oluşturma veya OCR destekli aranabilir-kaplama düzenlemesi sağlamaz. Bunlar yalnızca nextpdf/enterprise paketinde sunulur.

Enterprise sınır notu

Yapılandırılmış/tablo çıkarıcıları ve kaplama düzenleyicisi davranış düzeyinde açıklanmıştır. Asıl rasterleştirme ve görünmez metin enjeksiyonu ayrı bir yardımcı hizmet sürecinde çalışır; yardımcı hizmet dahilîleri, OCR modeli ve herhangi bir dahilî düzenleme ayrıntısı, herkese açık yüzeyin kapsamı dışındadır. OCR arka ucu, dağıtım tarafından sağlanan, enjekte edilen bir sözleşmedir.

Dağıtım sınırı

Dağıtım, OCR arka ucunu sağlar ve işletir ve OCR’nin nerede hesaplanacağını seçer (süreç içinde, yerel bir yardımcı hizmette veya uzak bir hizmette) — ve dolayısıyla belge görüntülerinin ve tanınan metnin nerede hesaplanıp saklandığını. NextPDF Enterprise iş akışını düzenler ve sonuç meta verilerini üretir; bir OCR modeli gömmez veya tanıma doğruluğunu ya da çıkarım geri çağrımını garanti etmez.

Hukuki uygunluk sınırı

Intelligence yüzeyine hiçbir ihracat-denetim kısıtlaması uygulanmaz. Kütüphane, hiçbir OCR-doğruluğu veya çıkarım-geri-çağrımı garantisi ve hiçbir düzenleyici-uyumluluk durumu ileri sürmez. Bu belge bir hukuki görüş değildir; kendi uygunluk ve hukuk danışmanlarınıza başvurun.

Ayrıca bakınız

• Intelligence referansı — bu yetenek için ayrıntılı API referansı.
• Pro çıkarımı — yapısal, AST güdümlü alıntı blokları.
• Privacy — çıkarılan metin üzerinde PII algılama.
• NextPDF Enterprise — tam Enterprise özellik yüzeyi.
• Core AST — ayrıştırılmış-belge modeli.
• Tagged PDF · OCR · Searchable PDF — sözlük terimleri.