Ispezionare PDF prima dell’ingestione
Ispezionare PDF prima dell’ingestione — Assistente privato per PDF. Creare tre campioni; Confrontare pagina e testo; Definire la decisione di ingestione. Esercitazione pratica: Prove del laboratorio.
Versione demo. I materiali sono in fase di revisione editoriale.
Argomenti trattati
- Creare tre campioni
- Confrontare pagina e testo
- Definire la decisione di ingestione
Creare tre campioni
Stampa in PDF un regolamento inventato di una pagina. Esporta anche uno screenshot in PDF e rinomina un file di testo innocuo in .pdf.
Un PDF conserva l’impaginazione, senza garantire frasi leggibili. Una scansione può non avere testo, una tabella può estrarsi nell’ordine errato e l’OCR può produrre errori plausibili. Qualità dell’ingestione, visibilità della fonte e ciclo dei documenti sono quindi requisiti del prodotto. Usa documenti inventati finché ogni pagina è riconducibile al file originale e verificabile manualmente.
Confrontare pagina e testo
Apri ogni file manualmente. Seleziona la frase sulla cancellazione e copiala in un editor. Registra ordine, colonne e conservazione delle 48 ore.
Una frase copiata è uno screening, non certifica ogni pagina. Includi regola numerica e negazione perché errori OCR lì cambiano decisioni. Annota il numero effettivo della pagina affinché una persona possa ripetere lo stesso confronto tra originale e testo.
Elabora file sintetici in una cartella locale separata con limiti espliciti. Salva l’originale con un identificatore generato dall’app, non con un percorso fornito dall’utente. Mantieni un manifesto con stato, revisione e metodo per pagina. Il recupero del corso precedente usa solo testo approvato; un upload riuscito non rende automaticamente ogni byte indicizzabile o accessibile a qualsiasi utente.
// Fictional page:
// Cancellation requires 48 hours notice.
// Bring a washable apron.
// Expected: both sentences remain intact after extraction.
Definire la decisione di ingestione
Invia testo leggibile all’estrazione, immagini a revisione OCR e file invalidi al rifiuto. Un’estrazione vuota è uno stato, non un regolamento vuoto.
Prova un documento normale, una pagina immagine e un file da rifiutare. Tieni visibile l’originale: una risposta scorrevole non rivela un numero alterato dall’OCR. I controlli di accesso riguardano testo recuperato e download originali. Eliminare un documento richiede rimuovere anche brani attivi e risposte in cache; i backup seguono una politica distinta. Registra il comportamento effettivamente verificato.
Esercitazione pratica
Prove del laboratorio
Vai alla lezione