Jak automaticky extrahovat text z PDF bez kódování!

Vytvořte si automatický extraktor z pdf na text za minutu! Ideální řešení pro ty, kteří se zabývají velkým množstvím příchozích životopisů nebo jiných dokumentů! Extrahujte data z dokumentů pomocí vzdáleného pracovního postupu na adrese Latenode.com!

‍
V tomto článku se dozvíte, jak vytvořit automatizovaný pracovní postup bez kódu, který bude získávat data ze souborů PDF na vašem Disku Google pomocí rozhraní API a Chat GPT a vyplní formulář Tabulky Google těmito daty.

Také můžete získat šablonu tohoto scénáře, kterou si můžete zdarma zkopírovat a použít pro sebe! 

Tuto šablonu můžete upgradovat nebo použít nejen pro extrakci textu v pdf.

Přehled scénářů

Podívejme se nejprve na celý scénář škrabky pdf a poté rozeberme jednotlivé kroky.

‍

Jak tento scénář výpisu pdf funguje? Jednou za hodinu vezme všechny životopisy ve formátu pdf z Disku Google, převede je do souborů txt pomocí HTTP požadavku a poté asistent chatGPT extrahuje potřebná data a vyplní tabulku Google Spreadsheet.

Hlavní kroky scénáře:

1. Spouštěč plánu. Aktivuje scénář v nastaveném časovém období.
2. Disk Google. Zde máme 2 uzly: Najít soubor a Stáhnout soubor.
3. Javascript. V celém scénáři budeme používat uzly Javascriptu s kopilotem AI pro formátování souborů. Nejprve jsem požádal AI o kód, který převede soubory z Disku Google do formátu base64.
4. Požadavek HTTP. Použijte API k extrakci textu z pdf pomocí dokumentů API vyzkoušených služeb stran.
5. ChatGPT. Asistent ChatGPT extrahuje data z textu.
6. Tabulky Google. Vyplní list těmito informacemi,

Rozdělení scénářů

A zde je návod krok za krokem pro ty, kteří se chtějí tento postup naučit. Na konci článku nezapomeňte na šablony, které jsou zdarma a připravené k použití.

Přípravky

Pro tento scénář budete potřebovat možnost používat asistenty Open AI a jakýkoli převodník API.

Asistent OpenAI

To je jednoduché. Přihlaste se ke svému účtu OpenAI a přejděte na stránku asistentia klikněte na tlačítko "vytvořit" v pravém horním rohu. Zobrazí se panel nastavení asistenta.

Zde je třeba:

1. Dejte svému asistentovi jméno
2. Dejte mu pokyny, jak má odpovídat, a nějaký kontext. Doporučujeme, abyste ho požádali o použití přiložených souborů, protože jinak na to může zapomenout.
3. Výběr modelu
4. Vyberte dostupné nástroje a přidejte soubory, které může asistent použít. Nezapomeňte zapnout vyhledávání, aby bylo možné přidávat soubory.

Zkopírujte ID asistenta (uvidíte ho ve sloupci Název) a přejděte na stránku Klíče API, vytvořte jej a uložte.

Převodník PDF na TXT

Použijte libovolný, který se vám líbí. Já jsem si vzal ConvertAPI, protože má zkušební verzi zdarma a poskytuje spoustu informací.

‍

Vytvořit scénář

Nyní přepneme na Latenode.com. Zde musíme vytvořit scénář převodu pdf na text: (Nemusíte jej vytvářet od začátku, stačí zkopírovat šablonu na konci článku).

Spouštěč plánu

Na kartě scénáře klikněte na tlačítko "Přidat uzel" a ze seznamu vyberte možnost "Plán". Kliknutím na uzel jej nastavte. Zadejte interval a časové pásmo, uložte změny. Jednou jsem také přidal spouštěč na Spustit, jen pro pohodlí.

Uzly Disku Google

Klikněte na tlačítko "Přidat uzel", na kartě akcí vyhledejte složku Google drive a vyberte uzel "Najít soubor".
Aby to fungovalo, musíte se přihlásit k účtu gmail a získat přístupový token, vybrat jednotku a název Search. V tomto případě chci získat data ze souborů, které mají v názvu CV.

‍

Dále přidejte "Stáhnout soubor" ze stejné složky akce na disku Google.

Použijte id z výsledků předchozího uzlu a poté jednou klikněte na tlačítko spustit uzel, abyste uložili změny a zajistili tok dat scénářem. Ve výstupu se zobrazí soubor.

Javascript #1: Převod na base64

To je kód, který mi dala umělá inteligence. Můžete si ho vzít zde(#1). Nahraďte konst fileContentPath svým objektem z předchozího uzlu.

Požadavek HTTP

Vyhledejte požadavek HTTP v seznamu akcí. Chcete-li pochopit, jak ji vytvořit, navštivte dokumentaci k rozhraní ConvertAPI. Zde můžeme načerpat informace o nastavení požadavku.

Takto vypadá můj požadavek na převod z pdf do txt.

‍

K zadání názvu staženého souboru používám objekt z uzlu Najít soubor na Disku Google a obsah souboru v base64 z uzlu Javascript. A v záhlaví přidám dvojici Content-Type=application/json.

Spusťte uzel jednou, abyste získali soubor z požadavku HTTP.

Javascript #2

Další kódový uzel, č. 2 zde.

Tentokrát jsem požádal AI o extrakci textu ze souboru txt.

Uzly ChatGPT

Budeme zde čelit 3 uzlům GPT:

• Vytvořit vlákno
• Vytvořit zprávu
• Vytvořit běh

 Každý uzel provede akci pomocí nástroje OpenAI.

Nejprve vytvoříme vlákno nebo konverzaci s asistentem GPT.

Vložte svůj klíč Open AI API a je to! Jednou spusťte uzel a ve výstupu získáte id vytvořeného vlákna.

Vytvořit zprávu:

Zde opět potřebujete klíč API. Do pole ID vlákna vložte výsledek předchozího uzlu. Ten se zobrazí v pomocném okně po kliknutí na vstupní pole.

V části "Obsah zprávy" uveďte další pokyny, pokud chcete, a vložte obsah souboru z posledního uzlu Javascriptu. Automatizovaný extraktor pdf je o krok blíž!

Vytvořit běh

Tento uzel obdrží odpověď pdf scraperu.

Zadejte uzel stejně jako asistent OpenAI a použijte ID asistenta GPT.

Javascript #3

Zde naposledy použijeme uzel JS, abychom z odpovědi asistenta vytvořili 3 samostatné objekty json.

Zde je příklad, stačí vložit data do content const.

Tabulky Google

Umístěme tato data někam, tabulky Google jsou dobrou volbou pro tento scénář výpisu dat ve formátu pdf na adrese latenode.com.

Ještě jednou se přihlaste k účtu gmail, abyste získali přístupový token, vyberte jednotku a list a vložte jsony do polí, uložte scénář a kliknutím na tlačítko spustit jednou spusťte nebo nasaďte scénář, abyste aktivovali spouštěč plánu.

Výsledky

Po úspěšném provedení scénáře tento pracovní postup extrahuje text ze souboru pdf na vašem Disku Google a vloží jej do tabulky Google Spreadsheet.

To je způsob, jak vytvořit extraktor pdf bez kódu na adrese latenode.

Jak jsem slíbil, zde je šablona tohoto pracovního postupu. Stačí ji zkopírovat a podle tohoto článku s návodem ji nastavit.

Je o tom video, neobtěžujte se čtením!

Pokud chcete, aby vám někdo pomohl, podívejte se na náš kanál na Discordu, máme tam několik vývojářů připravených pomoci!

‍