Ekstraksi PDF native
Membaca teks bawaan per halaman dengan PdfPig untuk pemrosesan cepat dan akurat.
Project open source · Fase 1
Ubah invoice PDF native maupun hasil scan menjadi data terstruktur yang dapat diaudit—sepenuhnya di infrastruktur Anda.
Tentang produk
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.
Alur pemrosesan
Pipeline transparan memvalidasi setiap file, mengekstrak konten dengan metode lokal yang tepat, dan menyimpan bukti yang dibutuhkan untuk review.
Validasi ekstensi, signature PDF, ukuran file, dan jumlah halaman, lalu hitung SHA-256 untuk ketertelusuran.
Gunakan PdfPig untuk teks native serta PDFium dan Tesseract (Indonesia dan Inggris) sebagai fallback OCR.
Terapkan aturan deterministik pada supplier, nomor invoice, tanggal, total, dan mata uang.
Hasilkan status Completed atau Review dan simpan hasil lengkap sebagai JSON di SQLite lokal.
Kapabilitas Fase 1
Membaca teks bawaan per halaman dengan PdfPig untuk pemrosesan cepat dan akurat.
Memproses halaman scan secara lokal dengan rendering PDFium dan Tesseract OCR.
Mengekstrak nama supplier, nomor invoice, tanggal invoice, total invoice, dan mata uang.
Menyediakan endpoint POST dan GET berversi untuk workflow ekstraksi dan integrasi.
Mencatat SHA-256, durasi, peringatan, metode sumber, confidence, halaman, dan bukti.
Mencakup validasi signature PDF, batas upload, rate limiting, nama file aman, dan API key opsional.
Jelajahi SalExtract