Инструмент автоматически классифицирует документы и разделяет файлы, в которых объединены несколько разных материалов. Например, DocJev может определить, где в PDF заканчивается счёт и начинается договор, после чего сохранить их отдельными файлами.
Поддерживаются форматы PDF, DOCX и PPTX. Правила категорий задаются обычным текстом. Извлечение текста выполняется локально, а для сложных сканов можно подключить облачное распознавание.
Репозиторий: https://github.com/jerryjliu/docjev
Подпишись, тут про технолоджии.
P.S. Меня зовут Бедняков Артем, я разрабатываю backend-решения на Python любой сложности:
- REST API и микросервисы;
- агентные системы и AI-интеграции;
- Telegram-боты и Mini Apps;
- парсеры и автоматизация;
- интеграции с внешними сервисами и API;
- тестирование и CI/CD;
- DevOps и развёртывание;
- аудит и проверки безопасности.
Если вам нужна разработка или есть вопросы по реализации проекта — пишите мне в Telegram
Всегда рад обсудить задачу и помочь найти решение.
Также подписывайтесь на мой Telegram-канал IT POLICE, где я пишу о Python, backend-разработке, технологиях и кибербезопасности.