混合语言单据的跨行表格：先恢复行身份，再让 AI 提取字段-北京尧图网络

一份海运单据里品名可能换行数量在下一页表头又重复了一次。如果只让模型“提取成数组”输出常常十分整齐行却已经错配。错误最难发现的地方是每个字段单独看都像真的。我会先建立行与页面证据再做字段规范化。这里讨论文档工程不判断报关、退税或税率是否适用。文档搜索不等于结构重建Cloudflare在2026年10月1日宣布AI Search正式可用并说明扫描PDF的OCR能力。官方变更说明搜到一段相关文字与恢复一张跨页表格的行列关系是不同任务。检索片段不能自动充当原始表格。数据模型至少保留页码、行标识、原始单元格和提取状态。跨页延续关系要有证据同一个明细编号、明确续页标记或人工确认。不能仅凭相邻位置拼接。内图的连线只合并同一行身份重复表头被排除。若两个页面有相同编号却属于不同单据应先按文档ID隔离。不让模糊匹配静默覆盖以下例子接收已经人工标记行ID的片段只按明确ID合并。遇到冲突就停止不猜哪一份更可信。const assert require(node:assert/strict); function mergeRows(parts) { const rows new Map(); for (const p of parts) { if (!p.id || !Number.isInteger(p.page) || p.page 1) throw new Error(missing row evidence); const row rows.get(p.id) || { id: p.id, pages: [], fields: Object.create(null) }; for (const [key, value] of Object.entries(p.fields)) { if (Object.hasOwn(row.fields, key) row.fields[key] ! value) throw new Error(conflicting field: key); row.fields[key] value; } if (!row.pages.includes(p.page)) row.pages.push(p.page); rows.set(p.id, row); } return [...rows.values()]; } const row mergeRows([ { id: docA:7, page: 1, fields: { item: demo } }, { id: docA:7, page: 2, fields: { quantity: 2 } } ])[0]; assert.deepEqual(row.pages, [1, 2]); assert.equal(row.fields.quantity, 2); assert.throws(() mergeRows([ { id: x, page: 1, fields: { n: 2 } }, { id: x, page: 2, fields: { n: 3 } } ])); console.log(row-merge: 3 assertions passed);保存为row-merge.cjs运行node row-merge.cjs。这个示例验证合并策略不验证OCR能否正确生成行ID真实系统还应限制字段名、数据类型和单据大小防止任意字段进入业务对象。前端要让错配显眼复核页面可以左右并排一侧保留原页一侧展示行结构。点击一行时同时高亮涉及的多个页面片段并提示跨页合并原因。冲突字段用并列候选展示不要悄悄选择最后一次出现的值。本地样本没有真实海运提单、税务凭证或多语言OCR不能据此宣称提取精度。它只保证一件小事当上游证据冲突时下游不会仍然得到一行看似正常的数据。

混合语言单据的跨行表格：先恢复行身份，再让 AI 提取字段

相关推荐

AI 识别票据之后：金额、币种和原文证据要分开校验

把一张穿孔卡做成可导出的 SVG

ASCII 图像先校正字符比例

更多资讯

Qt网络调试助手开发：TCP/UDP多线程与QAbstractTableModel优化

ModelArts模型训练与部署实战避坑指南

超拉普拉斯先验图像去卷积：原理、IRLS快速求解与工程调参

Google Play签名密钥迁移：pepk导出与密钥更新避坑指南

蒸汽朋克美学与AI技术的创新融合实践

对称二甲基精氨酸琼脂糖珠：如何实现早期肾功能损伤标志物的高效富集与检测？

今日更新

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？