Guide · 使用教程
Reducto 发票提取教程:从扫描 PDF 到可复核的明细 JSON
用虚构的两页发票配置 Reducto Extract,拿到发票号、币种和三条商品明细。沿引用回到原页核对金额,再用行数、税额和折扣规则决定是否导出。
这篇教程会完成什么
你会用 Reducto Studio 的 Extract 把一份虚构的双页发票转成结构化字段。验收结果包含发票号、币种、三条商品明细和应付金额,并保留关键字段的来源引用。步骤依据官方文档。示例金额按下列虚构票据手工验算。
第一步 准备三种样本
用文字处理工具制作一张虚构发票,编号 INV-DEMO-0007,币种 USD。在两页版本里把前两条明细放在第一页,第二页先重复表头,再放最后一条。
| 页 | 商品或服务 | 数量 | 单价(USD) | 行金额(USD) |
|---|---|---|---|---|
| 1 | 纸张 | 2 | 12.50 | 25.00 |
| 1 | 包装 | 1 | 18.00 | 18.00 |
| 2 | 测量服务 | 3 | 10.00 | 30.00 |
在第二页尾部写上小计 73.00、税额 8.38、折扣 2.00 和应付总额 79.38。另存一份所有内容都排在一页的原生 PDF,再打印或栅格化成没有文字层的扫描版本。先用原生页检查字段定义,再用扫描件和两页版分别检查 OCR 与跨页行为。Reducto 的公开条款说明 Free 和 Standard 可用上传内容训练和改进模型,试点使用这里的虚构数据。 官方服务条款
第二步 配置 Extract 字段
进入 Studio 打开 Extract,上传原生 PDF。按下面的 Schema 配置字段。界面显示表单时,可依照相同的名称、类型与描述逐项填写。发票号用字符串保留前导零,明细用对象数组保留每一行。执行一次,先观察结构和数值,再切换到扫描版与两页版。 Reducto Studio · Extract 文档
{
"type": "object",
"properties": {
"invoice_number": {
"type": "string",
"description": "发票号码,保留前导零。只取发票编号,订单号单列。"
},
"currency": {
"type": "string",
"description": "按原文提取明确可确定的三位币种代码,如 USD。"
},
"total": {
"type": "number",
"description": "票面最终应付总额,使用原币种金额。"
},
"line_items": {
"type": "array",
"description": "按票面顺序提取每一条商品或服务明细。跨页继续读取,跳过重复表头、小计、税额和总计。",
"items": {
"type": "object",
"properties": {
"description": {
"type": "string",
"description": "本行商品或服务名。"
},
"quantity": {
"type": "number",
"description": "本行数量。"
},
"unit_price": {
"type": "number",
"description": "本行列出的单价。"
},
"line_total": {
"type": "number",
"description": "本行实际显示的金额。"
}
}
}
}
}
}
如果原件没有足够清楚地标出币种或金额,结果进入复核。金额字段的类型只负责表示数量,业务系统的货币计算应使用十进制金额或最小货币单位。
第三步 开启字段引用并回看原件
在 Extract 中启用 Citations。通过 API 接入时,对应设置是 settings.citations.enabled。结果中带引用的标量包含 value 和 citations。在 Studio 里打开引用,核对第二页首条明细和总额的来源区域。通过 API 处理指定页范围时,使用 bbox.original_page 对照原始 PDF,bbox.page 对应本次处理结果的页序。如果关键字段的引用为空,或引用区域落在税额、预付款等相邻字段,安排人工复核。 Citations 文档
第四步 验收后再导出
下面是虚构发票验收通过后,业务系统保存的规范化 JSON。保留带引用的原始结果,供复核者追溯。
{
"invoice_number": "INV-DEMO-0007",
"currency": "USD",
"total": 79.38,
"line_items": [
{
"description": "纸张",
"quantity": 2,
"unit_price": 12.5,
"line_total": 25
},
{
"description": "包装",
"quantity": 1,
"unit_price": 18,
"line_total": 18
},
{
"description": "测量服务",
"quantity": 3,
"unit_price": 10,
"line_total": 30
}
]
}
- 对照原件核验 3 条明细和币种 USD。第二页重复表头应被跳过,第二页首条明细应完整保留。
- 合计三行得到 73.00。用样例票面口径加税额 8.38、减折扣 2.00,得到应付 79.38。遇到含税单价、分行税率或预付款时,按票面口径单独定义校验规则。
- 行数不符、币种缺失、关键金额缺引用或引用错误时,记录异常原因。保存原文件、原始提取结果及人工修正记录,经复核后导出。
常见问题定位
| 现象 | 先检查 |
|---|---|
| 明细多了一行 | 重复页眉、小计或税额是否混入明细 |
| 扫描件金额读错 | 文字旋转、扫描模糊、千分位和小数点 |
| 回查打开了错误页 | 使用了处理结果的页序,原件定位改查 original_page |
| 每行和都对,总额仍不对 | 税额、折扣、运费、预付款和四舍五入的票面口径 |
文件必须在自有环境处理时,可以参考 Reducto vs Xberg,把同一套明细和金额校验接到本地解析结果上。
常见问题
- 开了 Citations,为什么有的字段仍然没有引用?
- 官方文档列出的原因包括推断出的值,以及无法可靠定位源片段。关键字段引用为空时,先送人工核对。
- 需要单独调用 Parse 再调用 Extract 吗?
- 正常 Extract 工作流可以直接接收上传的文件。按公开 Standard 定价,Extract 包含解析。测试先看实际扣费和所启用的功能。
- 为什么不要只校验最终总额?
- 漏行和错列可能互相抵消。逐行检查商品名称、数量、金额和来源,再独立核对税费、折扣与最终应付。