跳到內容
getnextpdf.com

Enterprise 版本

Intelligence — 深入參考

這份深入參考記載了鍵值型別判定與結構描述驗證、表格網格合成,以及可搜尋覆疊協調邊界。

此能力隨 NextPDF Enterprisenextpdf/enterprise)提供,並以 Enterprise 層級的授權封套啟用。缺少該授權的部署不會載入此能力的類別。比較版本並取得授權

StructuredExtractor::extract 會為原始鍵值輸入判定型別。當提供了結構描述時,只會保留鍵與某個結構描述欄位相符的配對;沒有明確信心值的配對會獲得一個固定的預設值。validateSchema 會回傳未被找到的必填欄位名稱(空集合表示符合)。這個步驟會為已經擷取出的資料判定型別並進行驗證;它不辨識文字,也不指派任何計算出的精確度。

TableExtractor::extract 會從原始的列網格建立結構化表格。欄數為最寬的列;過短的列會以空儲存格補齊。每個儲存格會從一塊正規化頁面區域的均勻細分,獲得一個合成的邊界框,以及一個固定的預設信心值。沒有列或沒有欄的表格會被略過。這些邊界框是一種網格合成,不是經量測的版面。

SearchableOverlay::generate 會驗證 PDF 標頭,對輸入大小與頁數設限(在溢位時 fail closed),偵測缺少可用文字層的頁面,驅動所設定的 OCR 後端,並回傳逐頁的字數與一個平均信心值。一個具有可用原生文字層的頁面預設會被略過。隱形 OCR 文字仰賴一種既不填滿也不描邊字符的文字繪製模式(ISO 32000-2:2020 §9.3.3);當來源帶有標籤時,結構樹會把內容對應到一個閱讀順序(§14.7),而表格結構元素則描述列與儲存格(§14.8)。實際的點陣化與隱形文字注入委派給一個獨立的 sidecar 行程;PHP 介面負責協調並回傳結果中繼資料。覆疊輸出是一份衍生文件——任何既有簽章都會失效,且合規性必須重新驗證。信心值為直通(passthrough)或一個固定預設值;此介面不主張任何 OCR 準確度或擷取召回率。

NextPDF\Enterprise\Intelligence\StructuredExtractorNextPDF\Enterprise\Intelligence\ExtractionSchemaNextPDF\Enterprise\Intelligence\SchemaFieldNextPDF\Enterprise\Intelligence\KeyValuePairNextPDF\Enterprise\Intelligence\TableExtractorNextPDF\Enterprise\Intelligence\TableResultNextPDF\Enterprise\Intelligence\TableCellNextPDF\Enterprise\Intelligence\SearchableOverlayNextPDF\Enterprise\Intelligence\OverlayConfigNextPDF\Enterprise\Intelligence\SearchableOverlayResultNextPDF\Enterprise\Intelligence\PageOverlayInfoNextPDF\Enterprise\Intelligence\ExtractionConfig,以及 ExtractionStrategy/OverlayQuality enum。OCR 後端是一個由部署提供的注入式合約。簽章列於公開頁面上。

覆疊機制對應到 ISO 32000-2:2020 §9.3.3(文字繪製模式),而對於帶標籤的來源,則對應到 §14.7–§14.8(結構樹與表格元素)。各結構化步驟使用已經擷取出的資料;品質受上游擷取器與 OCR 後端所界定。

  • 合成的表格邊界框是一種均勻的網格細分,不是經量測的版面。
  • 當 OCR 後端無法使用時,受影響的頁面會貢獻零字數,而不是默默讓整次執行失敗;請檢查逐頁的結果。
  • 覆疊輸出是一份衍生文件;請重新驗證簽章與合規狀態。
  • 本模組不發生任何密碼學運算,因此沒有任何 FIPS 模式特定行為。

本頁僅記載外部可觀察的行為與所支援的公開 API 介面。內部命名空間路徑、輔助類別、機制表格、runbook 檔名,以及工單前綴,皆不在範圍內。

NextPDF Core(Apache-2.0)沒有可搜尋覆疊協調,也沒有經結構描述驗證的結構化介面——無;此能力沒有 Core 層級的對應物。

NextPDF Pro 隨附在一份已剖析文件之上、由結構 AST 驅動的擷取;它不提供經結構描述驗證的鍵值結構化、從原始網格重建表格,或由 OCR 支援的可搜尋覆疊協調。那些僅隨 nextpdf/enterprise 套件提供。

鍵值型別判定、結構描述驗證、表格網格合成,以及覆疊協調,皆以行為層級描述。實際的點陣化與隱形文字注入在一個獨立的 sidecar 行程中執行;sidecar 內部實作、OCR 模型,以及任何內部協調細節,皆不在範圍內,此處不予重現。OCR 後端是一個由部署提供的注入式合約。

部署會提供並營運 OCR 後端,並選擇在何處計算 OCR——因此也就是在何處計算與儲存文件影像與已辨識的文字。此介面會對輸入大小與頁數設限,並在溢位時 fail closed。NextPDF Enterprise 協調此工作流程並回傳結果中繼資料;它不內嵌 OCR 模型,也不保證辨識準確度或擷取召回率。

此介面不適用任何出口管制限制。此介面不主張任何 OCR 準確度或擷取召回率保證,也不主張任何法規合規狀態。本參考並非法律意見。