Extrair Dados de PDF

Porquê extrair dados de PDF

A maioria das faturas e documentos empresariais chegam em formato PDF. Muitos destes PDFs são "imagens" — o texto não é seleccionável. Mesmo nos PDFs com texto nativo, os dados não são estruturados: para importar um NIF, uma data ou um valor no ERP, é preciso copiar campo a campo.

O PhotonDoq resolve ambos os problemas: extrai dados de PDFs nativos e de PDFs com imagem (scan), e estrutura-os em campos prontos para exportação.

Tipos de PDF suportados

• PDF nativo (texto seleccionável): extracção directa dos campos com IA. O mais rápido e preciso.
• PDF scan (imagem): OCR converte a imagem em texto, depois a IA extrai os campos. Funciona com qualquer resolução razoável (150+ DPI).
• PDF misto: documentos com texto nativo e imagens incorporadas. A IA processa cada zona adequadamente.
• PDF protegido: PDFs com restrições de edição são processados normalmente (a extracção não edita o original).

O que é extraído

Dependendo do tipo de documento, o PhotonDoq extrai:

• Faturas: NIF emitente/destinatário, data, número, base tributável, IVA, total, linhas de detalhe
• Extractos bancários: movimentos, datas de valor, descrições, saldos, IBAN
• Contratos: partes, datas, valores, cláusulas-chave
• Certidões: dados de registo, datas, referências

Exportação de dados

Os dados extraídos podem ser exportados em 14 formatos:

• ERPs portugueses: TOConline (API + XLSX), PHC GO, Primavera V10, Odoo
• Standard: Excel (XLSX), CSV, JSON
• Fiscal: SAF-T (PT) compatível