Kembali ke portofolio

Project open source · Fase 1

SalExtract

Ubah invoice PDF native maupun hasil scan menjadi data terstruktur yang dapat diaudit—sepenuhnya di infrastruktur Anda.

Download di GitHub Source code · Panduan setup · Dokumentasi
LeoWorks / Produk 02Inteligensi dokumen
SalExtractEkstraksi data invoice lokal

Tentang produk

Apa itu SalExtract?

SalExtract adalah engine ekstraksi invoice deterministik yang dirancang untuk penggunaan on-premise. SalExtract membaca teks PDF native jika tersedia, menjalankan OCR secara lokal pada halaman scan atau minim teks, menormalisasi hasil, lalu menyimpan rekam audit yang dapat ditelusuri tanpa mengirim data dokumen ke internet.

  • Privat sejak awalPemrosesan PDF, OCR, dan penyimpanan tetap berada di lingkungan Anda.
  • Aturan deterministikLabel eksplisit dan regular expression membuat perilaku ekstraksi mudah ditinjau dan diuji.
  • Hasil kaya buktiSetiap field menyertakan nilai mentah, nilai normalisasi, confidence, halaman, metode, dan bukti.
Platform
.NET · OCR Windows
Tahap rilis
Fase 1
Distribusi
Source GitHub
Penerbit
LeoWorks / Leo R. Widodo

Alur pemrosesan

Dari PDF menjadi hasil terstruktur

Pipeline transparan memvalidasi setiap file, mengekstrak konten dengan metode lokal yang tepat, dan menyimpan bukti yang dibutuhkan untuk review.

  1. 01

    Validasi & fingerprint

    Validasi ekstensi, signature PDF, ukuran file, dan jumlah halaman, lalu hitung SHA-256 untuk ketertelusuran.

  2. 02

    Ekstrak teks secara lokal

    Gunakan PdfPig untuk teks native serta PDFium dan Tesseract (Indonesia dan Inggris) sebagai fallback OCR.

  3. 03

    Normalisasi field

    Terapkan aturan deterministik pada supplier, nomor invoice, tanggal, total, dan mata uang.

  4. 04

    Simpan rekam audit

    Hasilkan status Completed atau Review dan simpan hasil lengkap sebagai JSON di SQLite lokal.

Kapabilitas Fase 1

Dibangun untuk penerimaan invoice yang andal

01

Ekstraksi PDF native

Membaca teks bawaan per halaman dengan PdfPig untuk pemrosesan cepat dan akurat.

02

Fallback OCR lokal

Memproses halaman scan secara lokal dengan rendering PDFium dan Tesseract OCR.

03

Lima field terstandardisasi

Mengekstrak nama supplier, nomor invoice, tanggal invoice, total invoice, dan mata uang.

04

REST API

Menyediakan endpoint POST dan GET berversi untuk workflow ekstraksi dan integrasi.

05

Hasil yang dapat diaudit

Mencatat SHA-256, durasi, peringatan, metode sumber, confidence, halaman, dan bukti.

06

Perlindungan operasional

Mencakup validasi signature PDF, batas upload, rate limiting, nama file aman, dan API key opsional.

Jelajahi SalExtract

Siap membangun workflow ekstraksi invoice yang privat?