استخرج الجدول التفصيلي، ولا تدع الفرز يعطل المراسلات بين الصفوف والنص الأصلي

لا يعني مجرد تماثل الكميات الموجودة في الصفين أنهما بيانات مكررة. لا يعني مجرد فرز الجدول أنه لا يزال يتوافق مع النص الأصلي سطرًا تلو الآخر. عند استخراج التفاصيل، ما يُفقد بسهولة غالبًا ليس الحقل نفسه، بل المراسلات بين كل صف والمصدر.

هذه المقالة مناسبة للأشخاص الذين يحتاجون إلى استخراج التفاصيل من المستندات مثل العقود وعروض الأسعار والجداول المالية وما إلى ذلك. وهي مناسبة أيضًا للمطورين الذين يقومون ببناء عمليات المعالجة النهائية. بعد القراءة، ستعرف كيفية الاحتفاظ بمعلومات المصدر لكل تفاصيل، وكيفية التعامل مع المشكلات الناجمة عن نفس المقدار، والعناوين المتقاطعة للصفحات والفرز، وما هي المحاذاة التي يجب استخدامها أثناء التحقق بعد الترجمة.

كيف تحافظ على المراسلات بين الصفوف والمصادر عند استخراج التفاصيل؟ استنتاج جملة واحدة

حفظ معرف مصدر ثابت لكل التفاصيل. الفرز مخصص للعرض فقط ولا يؤدي إلى استبدال رقم السطر الأصلي.

احفظ هوية الصف المستقر أولاً

احتفظ بالصفحة المصدر ورقم الجدول ورقم صف المصدر لكل تفاصيل أو معرف ثابت يتكون من هذه المعلومات. قد يتكرر اسم المنتج ومبلغه ولا يكونان مناسبين كهويات منفصلة.

عندما يحتاج المصب إلى الفرز حسب المبلغ، يمكنك إنشاء عرض عرض، ولكن لا تكتب عن طريق الخطأ الأرقام التسلسلية التي تم فرزها مرة أخرى إلى المصدر الأصلي.

عدة طرق يمكن استخدامها كهوية صف

انتبه إلى تفرد مخطط JSON

تحتفظ مصفوفة JSON نفسها بالترتيب، لكن uniqueItems في المخطط ليس اختصارًا لعبارة "الحقل فريد". لا يزال من الممكن اعتبار كائنين عنصرين مختلفين طالما أن الحقول الأخرى مختلفة. يجب التحقق من التفرد على مستوى الحقل بشكل فردي.

مجموعة من التفاصيل بنفس المقدار ومصادر مختلفة

from collections import Counter

rows = [{"source_id": "p1-t1-r1", "item": "Bolt", "amount": "10.00"},
        {"source_id": "p1-t1-r2", "item": "Nut", "amount": "10.00"}]

def check_ids(items):
    counts = Counter(row["source_id"] for row in items)
    return [key for key, count in counts.items() if count > 1]

assert check_ids(rows) == []
assert len(rows) == 2
assert check_ids(rows + [dict(rows[0])]) == ["p1-t1-r1"]
display = sorted(rows, key=lambda row: row["item"], reverse=True)
assert [r["source_id"] for r in rows] == ["p1-t1-r1", "p1-t1-r2"]
assert {r["source_id"] for r in display} == {r["source_id"] for r in rows}

هذا هو التحقق من الهوية على البيانات الاصطناعية، وليس أداة التعرف على الجدول. لا يقوم الكود عمدًا بإلغاء تكرار نفس الكميات، ولا يعتبر ترتيب العرض هو ترتيب المصدر.

يجب أن تأخذ قواعد إنشاء معرفات مصدر الحقيقة إصدارات الملفات في الاعتبار. وبخلاف ذلك، قد يتم الخلط بين المحتوى الموجود في نفس الصفحة والسطر في كلا الإصدارين وبين نفس الدليل.

عندما يكون عدد الأسطر غير صحيح، ابحث أولاً عن الرابط المفقود.

رأس الصفحة المتقاطعة ليس صف بيانات عادي

قد تدخل رؤوس الجدول المتكررة وأوصاف جدول المتابعة وصفوف الإجمالي الفرعي في مصفوفة التفاصيل. وتتطلب إزالتها قواعد قابلة للتفسير لا تنظر فقط إلى الموضع الأعلى أو النص الأقصر.

يمكن أن يساعد الاحتفاظ بالسطور المستبعدة وأسبابها المراجعين في اكتشاف عمليات الحذف غير المقصودة. وإلا فلن تتم متابعة المشكلة إلا إذا لم يتم إضافة المجموع النهائي.

إحضار علاقة المصدر إلى التحقق بعد الترجمة

يجب أن تكون الجداول متعددة اللغات قادرة على التوافق مع معرف المصدر، وليس فقط من خلال اسم المنتج المترجم. عند تقييم نتائج ترجمة مستندات OmniDoc (بوابة المنتج) الجدولية، فإن العلاقات بين الصفوف والأعمدة والكميات والوحدات كلها تستحق التدقيق بشكل فردي.

تعريف المصدر لهذه المقالة هو تقليد هندسي خارجي وليس وصفًا للتنفيذ الداخلي للنظام الأساسي.

المراجع: مصفوفة مخطط JSON

🎯 ما هي الطريقة المناسبة لك؟

إذا كنت بحاجة إلى الفرز حسب المبلغ لإظهاره للآخرين

قم بإنشاء طريقة عرض للعرض، ويؤثر الفرز فقط على العرض، وتظل صفحة المصدر الأصلية ورقم السطر المصدر دون تغيير.

إذا كان جدولك يحتوي على رؤوس صفحات متقاطعة أو إجماليات فرعية

استخدم القواعد القابلة للتفسير لاستبعاد هذه السطور، والاحتفاظ بالسطور المستبعدة والأسباب للمراجعة اللاحقة.

إذا كنت تريد معالجة إصدارات متعددة من الملف

يجب دمج قواعد إنشاء معرف المصدر في إصدار الملف لمنع الخلط بين محتوى نفس السطر في نفس الصفحة بين الإصدارات المختلفة.

إذا كنت تريد إجراء محاذاة تفصيلية متعددة اللغات

قم بالمحاذاة حسب معرف المصدر، ولا تعتمد فقط على اسم المنتج المترجم.

❓ الأسئلة الشائعة (الأسئلة الشائعة)

1. الكميات الموجودة في الصفين هي نفسها. هل يمكنني إزالة التكرارات مباشرة؟

لا أستطيع. نفس المبلغ لا يعني بيانات مكررة. يجب عليك أولاً التحقق من الصفحة المصدر ورقم الصف المصدر للتأكد مما إذا كانوا ينتمون إلى مشاريع مختلفة أو صفوف مصدر مختلفة.

2. لماذا اسم المنتج غير مناسب كهوية الصف؟

قد يتكرر اسم المنتج ومبلغه، ومن المستحيل تحديد موقع السطر بشكل ثابت في النص الأصلي عند استخدامه بمفرده.

3. هل يمكن إعادة كتابة الرقم التسلسلي الجديد إلى البيانات الأصلية بعد الفرز؟

غير مستحسن. الأرقام التسلسلية المصنفة مناسبة للعرض فقط. الكتابة فوق أرقام الأسطر الأصلية ستفقد المراسلات مع المصدر.

4. ما الذي يجب عليك الانتباه إليه عند حذف الرؤوس المكررة؟

يجب أن تكون هناك قواعد قابلة للتفسير، ويجب الحفاظ على الأسطر والأسباب المستبعدة حتى يمكن اكتشاف عمليات الحذف العرضية.

📝 ملخص

عند استخراج التفاصيل، احتفظ أولاً بالمراسلات بين كل صف والمصدر، ثم تحدث عن الفرز وإلغاء البيانات المكررة. التعليمات البرمجية الموجودة في هذه المقالة هي مجرد نموذج توضيحي اصطناعي ولا تمثل ضمانًا لجميع الملفات الحقيقية أو تأثيرات المنتج. قبل معالجة المستندات المهمة، يرجى الاحتفاظ بالنسخ الأصلية ومراجعتها وفقًا للحدود وبنود القبول في النص.

جربه الآن: قم بتحميل المستند لبدء الترجمة، مع الاحتفاظ بالتخطيط الأصلي