استخراج هوشمند: استخراج سند با حفظ چیدمان
هنوز استخراجی انجام نشده
هنوز سندی نیست
فایلی را در سمت راست رها کنید یا یک نمونه انتخاب کنید تا خروجی ساختاریافته اینجا نمایش داده شود.
استخراج هوشمند یک پی‌دی‌اف، فایل ورد، پاورپوینت، صفحه‌گسترده، صفحه HTML یا تصویر را میخواند و ساختار آن را به شکل مارکداون، JSON یا جدول برمیگرداند. عنوانها، ترتیب خواندن و سلول‌های جدول سر جای خود می‌مانند، پس خروجی برای مدل زبانی، نمایه جست‌وجو یا اسکریپت آماده است. در کادر بالا یک نمونه انتخاب کنید یا فایل خودتان را بیندازید، قالب را انتخاب کنید و «استخراج سند» را بزنید. محدودیت حجم و صفحه پیش از شروع در کادر منبع دیده میشود و نمونه‌ها بدون ورود اجرا میشوند.
فایل را روی کادر منبع بیندازید، برای انتخاب کلیک کنید یا یک نمونه بردارید: پی‌دی‌اف مالی، رسید اسکنشده، مقاله چندستونه یا قرارداد. یک برچسب فایل بارگذاری‌شده را نشان میدهد و میتوانید آن را حذف کنید و دوباره شروع کنید.
خروجی به شکل مارکداون، JSON، HTML یا جدول می‌آید. کلیدها ساختار جدول، OCR برای اسکن، ترتیب خواندن، کد و فرمول و خروجی تصاویر را کنترل میکنند. کلید OCR مصرف اعتبار دارد و تشخیص کد کندتر است.
پنل خروجی زبانه‌های مارکداون، JSON و پیشنمایش دارد و زیر آن تعداد صفحه، جدول، شکل و زمان پردازش دیده میشود. فایل را دانلود یا کپی کنید یا به گفتگوی سند بفرستید.
چه چیزهایی را میگیرد
سند را مثل یک آدم میخواند و چیزهایی را که استخراج متن ساده دور می‌ریزد نگه می‌دارد.
سلول‌ها، سرستون‌ها و ادغام‌ها به جدول‌های واقعی بازگردانده میشوند.
صفحههای چندستونی به جریان منطقی مرتب میشوند.
سلسله‌مراتب برای قطعه‌بندی تمیز دست‌نخورده می‌ماند.
متن ساده در برابر متن ساخت‌یافته
همان PDF. سمت چپ: خروجی یک استخراج‌کنندهٔ متن ساده. سمت راست: آنچه AI Extract می‌بیند.
گزارش سه‌ماهه ۲۰۲۶ درآمد به تفکیک منطقه منطقه س۱ س۲ آمریکا ۴.۲۰م ۴.۸۵م اروپا ۳.۱۰م ۳.۴۲م آسیا ۲.۰۵م ۲.۶۱م خلاصه رشد کل درآمد ۱۴.۶٪ نسبت به سه‌ماههٔ قبل، به رهبری بخش آسیا... نمودار
# گزارش سه‌ماهه ۲۰۲۶ ## درآمد به تفکیک منطقه | منطقه | س۱ | س۲ | |----------|-------|-------| | آمریکا | ۴.۲۰م | ۴.۸۵م | | اروپا | ۳.۱۰م | ۳.۴۲م | | آسیا | ۲.۰۵م | ۲.۶۱م | ## خلاصه رشد کل درآمد ۱۴.۶٪… 
پی‌دی‌اف، فایل آفیس، صفحه HTML یا تصویر را روی کادر منبع بیندازید یا یکی از نمونه‌ها را انتخاب کنید.
مارکداون، JSON، HTML یا جدول را برگزینید و گزینه‌های جدول، OCR و ترتیب خواندن موردنیاز را روشن کنید.
«استخراج سند» را بزنید. پس از پایان پردازش، خروجی را کپی یا دانلود کنید یا به گفتگوی سند بفرستید.
استخراج‌گر چیدمان هر صفحه را میخواند، نه فقط متن آن را؛ پس جدولها جدول می‌مانند و عنوانها سطح خود را نگه می‌دارند. قالب خروجی را شما انتخاب می‌کنید و همین استخراج از طریق API هم برای خط لوله‌ها در دسترس است.
صفحههای بدون لایه متنی. اسکن یا عکس لایه متنی ندارد؛ OCR را روشن کنید تا صفحه ابتدا به‌صورت تصویر خوانده شود. اسکن بسیار تار یا کم‌کنتراست ممکن است باز هم ناقص برگردد.
چیدمان‌های پیچیده. چیدمان‌های غیرمعمول، جدول‌های تودرتو و دست‌خط ممکن است اشتباه خوانده شوند. پیش از اتکا به یک جدول یا شکل، خروجی را کنار منبع باز کنید.
خروجی چیست. استخراج هوشمند ساختاری را که پیدا میکند برمیگرداند. سند شما را خلاصه، اصلاح یا بازنویسی نمی‌کند و خروجی نسخه تأییدشده رسمی نیست.
فایل شما. فایلها روی زیرساخت indox پردازش میشوند، برای آموزش مدلها استفاده نمیشوند و بهطور خودکار از فضای ذخیره حذف میشوند. مدت نگه‌داری به طرح شما بستگی دارد و در مستندات محدودیتها آمده است.
فراتر از استخراج هوشمند: از سند استخراجشده در گفتگوی سند سؤال بپرسید، آن را ترجمه کنید یا به قالب دیگری تبدیل کنید.
API برای توسعهدهندگان
یک نقطهٔ پایانی. خروجی Markdown یا JSON. بهطور پیش‌فرض ناهمگام، برای نتیجه رأی‌گیری کنید.
curl -X POST https://indox.org/docs/api/v1/extract/ \ -H "Authorization: Bearer $INDOX_TOKEN" \ -F "[email protected]" \ -F "format=markdown" \ -F "ocr=true" # → 202 { "extract_id": "ex_8f3k…", "status": "queued" } # Poll GET /docs/api/v1/extract/ex_8f3k…/ until status=succeeded
کتابخانههای سند را به تکه‌های تمیز مارکداون آماده تعبیه تبدیل کنید.
جدول‌های سود و زیان و تفکیک منطقه‌ای را از پی‌دی‌اف گزارش‌های درآمد بازیابی کنید.
شماره‌گذاری بندها، اصطلاحات تعریف‌شده و بخش امضا را حفظ کنید.
کد درون‌خطی و ریاضی شناسایی و برچسب‌گذاری میشوند.
تصاویر استخراج و در جای خود ارجاع داده میشوند.
PDFهای فقط‌تصویری ابتدا از OCR عبور میکنند.
شرح شکل‌ها، ارجاع‌ها و فرمول‌ها را به بخش‌های خودشان وصل نگه دارید.
PDF، DOCX، PPTX، XLSX، HTML و تصویر. اگر گزینه OCR روشن باشد، پیدیافهای اسکنشده با OCR خوانده میشوند.
مبدلها سند را به قالب دیگری بازتولید میکنند. استخراج هوشمند ساختار آن، یعنی جدولها، عنوانها و ترتیب خواندن را به مارکداون یا JSON قابل پردازش ماشینی میخواند.
انگلیسی، اسپانیایی، فرانسوی، آلمانی، فارسی و عربی از جمله آنهاست. با روشن کردن گزینه، صفحههای اسکنشده از OCR عبور میکنند.
محدودیت صفحه و حجمی که برای شما اعمال میشود در کادر منبع دیده میشود. برای کتابخانههای بزرگتر، API را برای هر فایل جداگانه صدا بزنید و هر کار را پیگیری کنید. هنوز نقطه پایانی دستهای وجود ندارد.
فایلها روی زیرساخت indox پردازش میشوند و بهطور خودکار از فضای ذخیره حذف میشوند. مدت ماندن آنها به طرح شما بستگی دارد و در مستندات محدودیتها آمده است.
فایلها در همان منطقه پردازش میشوند و برای آموزش مدلها استفاده نمیشوند. میزبانی اختصاصی ارائه نمیشود.
خیر. نمونههای کادر بالا بدون ورود اجرا میشوند، پس پیش از بارگذاری فایل خودتان میتوانید نتیجه را ببینید.
مارکداون، JSON، HTML و جدول. پنل خروجی یک زبانه پیشنمایش رندرشده هم دارد و میتوانید آنچه میبینید را کپی یا دانلود کنید.
بله. پس از استخراج، «ارسال به گفتگوی سند» سند استخراجشده را در یک گفتگو باز میکند تا درباره آن سؤال بپرسید.
استخراج هوشمند یک نقطه پایانی API است که فایل میگیرد، یک کار برمیگرداند و اجازه میدهد نتیجه را پیگیری کنید. بخش API توسعهدهندگان در بالا نمونههای curl، پایتون و Node را نشان میدهد.
هیچ ابزاری با این جست‌وجو پیدا نشد.
