L'esecuzione di OCR PDF su un documento scansionato produce testo riconosciuto. Per la maggior parte degli utenti, l'obiettivo è un PDF ricercabile. Ma quando il testo riconosciuto deve essere importato in un database, indicizzato da un motore di ricerca o interrogato da un'applicazione, i formati di output OCR standard non sono l'ideale. L'esportazione dei risultati OCR in un formato strutturato ottimizzato per l'importazione e l'indicizzazione del database trasforma un archivio di documenti scansionati in dati interrogabili che si integrano con i sistemi aziendali.
Concetti chiave
I formati di output OCR pronti per il database includono CSV per dati tabulari, JSON per contenuti di documenti strutturati e XML per documenti che devono preservare la struttura gerarchica. La differenza principale rispetto all'output OCR standard è che i formati orientati al database includono mappatura dei campi coerente, indicatori del tipo di dati e gestione degli errori per risultati di riconoscimento con scarsa affidabilità. La preparazione del PDF prima dell'OCR, inclusi l'allineamento, il miglioramento del contrasto e la regolazione della risoluzione, migliora significativamente la qualità dei dati esportati.
Scegli il formato di output giusto per il tuo database
L'output CSV è ideale per moduli e tabelle scansionati in cui ciascun documento corrisponde a una riga in un database. Ogni campo modulo diventa una colonna e ogni documento scansionato diventa una riga. Il CSV viene importato direttamente in applicazioni per fogli di calcolo e database relazionali senza conversione. La limitazione è che CSV non può rappresentare dati gerarchici. Se il documento scansionato presenta strutture nidificate, ad esempio una fattura con più voci, CSV ti obbliga ad appiattire la struttura o a dividere l'output su più file.
L'output JSON gestisce le strutture nidificate e variabili in modo naturale. Una fattura con una sezione di intestazione e più voci è rappresentata come un oggetto JSON con un array di intestazioni e un array di voci. JSON viene importato in database di documenti come MongoDB, indici di ricerca come Elasticsearch e nella maggior parte delle piattaforme applicative moderne. La pipeline Estrai dati PDF da OCR a JSON al database è l'architettura più comune per le applicazioni di comprensione dei documenti nel 2025. La struttura JSON preserva inoltre i punteggi di confidenza OCR, che consente alla query del database di filtrare automaticamente i risultati con scarsa confidenza.
L'output XML è preferibile quando i documenti scansionati devono essere conformi a uno schema standard del settore. L'elaborazione di documenti legali, medici e governativi spesso richiede un output XML che venga convalidato rispetto a una specifica definizione del tipo di documento. Il formato XML supporta sia la struttura che i metadati in un unico file ed è il formato di input richiesto per molti sistemi di gestione dei contenuti aziendali. Lo strumento OCR di WukongPDF supporta i formati di output CSV, JSON e XML, quindi puoi selezionare il formato che corrisponde alla pipeline di importazione del database senza post-elaborazione.
Prova l'OCR dei PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Preelaborare i PDF scansionati per una migliore precisione OCR
Per i documenti originariamente stampati su carta colorata o ingialliti dal tempo, la conversione della scansione in bianco e nero puro prima dell'OCR può migliorare significativamente la precisione del riconoscimento. Il motore OCR fatica a separare il testo da uno sfondo colorato o con texture. La conversione in bianco e nero con una soglia che preserva il testo rimuovendo lo sfondo fornisce al motore OCR un input pulito. La maggior parte dei software di scansione e degli editor di immagini includono una conversione in bianco e nero con una soglia regolabile. Prova alcune pagine con soglie diverse per trovare l'impostazione che produce il testo più pulito.
L'importazione del database amplifica gli errori OCR. Un carattere letto erroneamente in un PDF ricercabile rappresenta un piccolo inconveniente. Lo stesso errore in un campo del database può rendere un record non reperibile, classificato in modo errato o abbinato all'entità sbagliata. Investire tempo nella preelaborazione dei documenti scansionati prima dell'OCR riduce significativamente il tasso di errore. Le tre fasi di preelaborazione di maggiore impatto sono l'allineamento delle pagine ruotate anche di pochi gradi, l'aumento del contrasto in modo che il testo risalti nettamente sullo sfondo e la garanzia che la risoluzione della scansione sia di almeno 300 DPI.
L'allineamento corregge le pagine scansionate con una leggera angolazione. Anche una rotazione di due gradi può causare una lettura errata dei caratteri ai bordi delle righe da parte dei motori OCR. La maggior parte degli strumenti OCR includono il raddrizzamento automatico, ma vale la pena verificare che sia attivato correttamente sui tuoi documenti. Apri alcune pagine elaborate dall'OCR e controlla che le caselle di testo riconosciute siano allineate con il testo visibile. Le caselle disallineate indicano un errore di allineamento che produrrà dati inutili nel database. Il miglioramento del contrasto è particolarmente importante per i documenti scansionati da carta invecchiata o ingiallita. Aumentando il contrasto tra testo e sfondo prima dell'OCR è possibile migliorare la precisione del riconoscimento del 10-20% su scansioni impegnative.
Mappatura dei campi di output OCR alle colonne del database
Per i documenti in cui le posizioni dei campi variano in modo significativo da una pagina all'altra, gli ancoraggi delle parole chiave sono più affidabili delle coordinate fisse. Definisci le regole di estrazione in base al testo che precede o segue i dati di destinazione, non alla sua posizione. Una regola come "estrai il numero dopo l'etichetta Totale fattura" funziona indipendentemente da dove appare l'etichetta nella pagina. L'estrazione basata su parole chiave richiede che l'output OCR includa l'intero testo riconosciuto con il suo ordine spaziale originale, che l'output JSON preserva e l'output CSV in genere no.
Il divario tra l'output OCR e l'importazione del database è la mappatura dei campi. L'OCR produce testo organizzato in base alla posizione della pagina. Il database prevede testo organizzato in base al nome del campo. Per colmare questo divario è necessario definire una mappatura che dica, in effetti, che il testo nell'angolo in alto a destra della prima pagina è il numero della fattura e va nella colonna numero_fattura. Per i moduli strutturati in cui il layout è coerente in tutti i documenti, definire la mappatura una volta utilizzando le coordinate di posizione o gli ancoraggi di parole chiave.
Per i documenti semistrutturati in cui il layout varia, utilizzare la mappatura basata su parole chiave invece della mappatura posizionale. Definisci regole come "il numero che segue il testo N. fattura è il numero della fattura, indipendentemente dalla sua posizione nella pagina". La mappatura basata su parole chiave è più affidabile tra le variazioni di layout, ma richiede che l'output OCR includa il testo riconosciuto con metadati posizionali. Questo è un altro motivo per scegliere l'output JSON o XML rispetto a CSV per i documenti a layout variabile. I metadati posizionali in JSON e XML rendono possibile l'estrazione di campi basata su parole chiave. Per progetti di importazione di database su larga scala, la pipeline OCR PDF scansionato di WukongPDF include una mappatura dei campi configurabile che genera un file CSV o JSON strutturato in modo coerente pronto per l'acquisizione diretta del database.
Gestire i punteggi di affidabilità OCR nelle importazioni di database
Per le applicazioni di database in cui la precisione è fondamentale, implementa un flusso di lavoro OCR in due passaggi. Il primo passaggio elabora tutti i documenti con le impostazioni standard. I documenti con punteggi di affidabilità inferiori alla soglia vengono contrassegnati e rielaborati con impostazioni migliorate, come risoluzione più elevata, allineamento e regolazione del contrasto. L'approccio a due passaggi concentra il tempo di elaborazione aggiuntivo sui documenti che lo richiedono anziché rallentare l'intero batch.
Ogni risultato OCR riporta un punteggio di confidenza, in genere un numero compreso tra 0 e 100 che indica la certezza del motore che il testo riconosciuto corrisponda a ciò che è presente nella pagina. Quando si importano i risultati dell'OCR in un database, decidere una soglia di confidenza. I risultati superiori alla soglia vengono importati automaticamente. I risultati al di sotto della soglia vengono contrassegnati per la revisione umana. La soglia dipende dal costo degli errori nella tua applicazione. Un indice di ricerca può tollerare una soglia inferiore perché gli utenti possono scremare i risultati e ignorare le corrispondenze errate. Un database finanziario in cui i numeri confluiscono direttamente nei calcoli necessita di una soglia elevata, in genere 95 o superiore.
Memorizza il punteggio di confidenza insieme al testo riconosciuto nel database. Un campo come fattura_totale con un valore di 250,00 e una confidenza di 98 è affidabile. Lo stesso valore con una confidenza di 62 dovrebbe essere considerato provvisorio. Le applicazioni che interrogano il database possono utilizzare il punteggio di confidenza per visualizzare valori di bassa confidenza con un indicatore visivo, come un'evidenziazione gialla o un'icona di avviso, avvisando gli utenti di verificare i dati prima di fare affidamento su di essi. Il punteggio di confidenza aggiunge una dimensione della qualità dei dati che l'output di testo semplice non può fornire.
Domande frequenti
Come devo gestire i PDF che mescolano pagine scansionate con pagine digitali native durante la preparazione per l'importazione del database? Elabora separatamente le pagine scansionate tramite OCR e le pagine digitali tramite l'estrazione del testo, quindi combina i risultati. Le pagine digitali non necessitano dell'OCR e l'esecuzione dell'OCR su di esse può effettivamente peggiorare la qualità del testo introducendo errori di riconoscimento laddove il testo digitale originale era perfettamente accurato. La maggior parte degli strumenti di elaborazione batch è in grado di rilevare quali pagine vengono scansionate e quali sono digitali e indirizzarle automaticamente al percorso di elaborazione appropriato.
Quante pagine scansionate posso elaborare per l'importazione nel database in un batch?
I moderni motori OCR possono elaborare migliaia di pagine all'ora su hardware standard. Il limite pratico non è la velocità dell'OCR ma il tempo di convalida. Tempo previsto per esaminare un campione dell'output prima di importare il batch completo in un database di produzione. Una revisione del campione casuale del 5% rileva errori sistematici dell'OCR che potrebbero influenzare l'intero batch.
Devo archiviare nel database il PDF originale scansionato insieme ai dati estratti?
Sì, ogni volta che il database lo supporta. La memorizzazione del PDF di origine collegato ai dati estratti fornisce una traccia di controllo. Quando sorge un problema sulla qualità dei dati, gli utenti possono aprire la scansione originale e verificare il valore estratto rispetto al documento di origine. Questo collegamento tra i dati estratti e il documento di origine è necessario per la conformità in molti settori regolamentati.
L'OCR può gestire il testo scritto a mano per l'importazione nel database?
Il riconoscimento della grafia è migliorato in modo significativo ma rimane meno accurato rispetto al riconoscimento del testo stampato. Per l'importazione nel database, i campi scritti a mano dovrebbero essere indirizzati alla revisione umana anziché importati automaticamente, a meno che la scrittura a mano non sia vincolata, come i numeri scritti nelle singole caselle di un modulo. La scrittura a mano libera su documenti non strutturati non è sufficientemente affidabile per l'importazione automatizzata di database nella maggior parte delle applicazioni.
Prova l'OCR dei PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.