from omniparser import OmniParser
parser = OmniParser(language="en")
result = parser.parse("./samples/invoice.pdf")
print(result.to_json(indent=2))

result.save_json("./outputs/invoice.json")

parser = OmniParser(language="en", ocr_model="tesseract", detect_rotation=True)

result = parser.parse("./samples/invoice.pdf", extract_tables=True)
for table in result.tables:
df = table.to_dataframe
print(df.head)

header_map = {
"item": , നിങ്ങൾക്ക് ഇത് ചെയ്യാനാകും:
- നിങ്ങൾ പരീക്ഷിക്കുന്ന കോഡ് സ്നിപ്പറ്റുകളും PDF-കളും ഉപയോഗിച്ച് ചാറ്റ് ചെയ്യുക
- Quick adapters ഉണ്ടാക്കുക (ഉദാഹരണത്തിന്, header normalizers, regex templates)
- ഡാഷ്‌ബോർഡുകൾ നിർമ്മിക്കുന്നതിന് മുമ്പ് parsing result-കൾ സംഗ്രഹിക്കുകയും വ്യത്യാസങ്ങൾ കണ്ടെത്തുകയും ചെയ്യുക
ഇത് OmniParser-ന് പകരമല്ല, പക്ഷേ നിങ്ങളുടെ പൈപ്പ്‌ലൈൻ പ്രോട്ടോടൈപ്പ് ചെയ്യുമ്പോഴും, ഡീബഗ് ചെയ്യുമ്പോഴും, ഡോക്യുമെന്റ് ചെയ്യുമ്പോഴും ഇത് ഒരു ശക്തമായ കൂട്ടാളിയാണ്.
---
## Action Plan: ട്യൂട്ടോറിയലുകളെ Production വിജയങ്ങളാക്കി മാറ്റുക
- നിങ്ങളുടെ ഏറ്റവും വലിയ സ്വാധീനമുള്ള ഡോക്യുമെന്റുകളുമായി ബന്ധപ്പെട്ട 3 ട്യൂട്ടോറിയലുകൾ തിരഞ്ഞെടുക്കുക.
- ചെറിയ validation suite (10–20 ഡോക്യുമെന്റുകൾ) ഉണ്ടാക്കുകയും ഓരോ മാറ്റത്തിന് ശേഷവും അത് പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുക.
- കുറഞ്ഞ confidence level ഉള്ള ഫീൽഡുകൾക്കായി ഒരു review queue ചേർക്കുക; resolution time അളക്കുക.
- Log normalization റൂളുകളും edge case-കളും ടെംപ്ലേറ്റുകളാക്കി മാറ്റുക.
- മാറ്റങ്ങൾ അറിയാനും regression പിടിക്കാനും പ്രതിമാസ benchmark ഷെഡ്യൂൾ ചെയ്യുക.
---
## പ്രധാന കണ്ടെത്തലുകൾ
- മികച്ച OmniParser ട്യൂട്ടോറിയലുകൾ കോഡും heuristics-ഉം production ആശങ്കകളും ഒരുമിപ്പിക്കുന്നു.
- ചെറുതായി ആരംഭിക്കുക (Quickstart), എന്നിട്ട് ആഴത്തിലേക്ക് പോകുക (പട്ടികകൾ, ലേഔട്ട്, Validation).
- Preprocessing-ഉം bounding box-കളും ഉപയോഗിച്ച് സ്കാനുകളിലെ കൃത്യത വർദ്ധിപ്പിക്കാനാകും.
- Productionizing എന്നാൽ caching, batching, retries, അളക്കാവുന്ന ഗുണമേന്മ എന്നിവയാണ്.
- [Sider.AI](https://sider.ai) പോലുള്ള ഒരു AI അസിസ്റ്റന്റിന് പരീക്ഷണവും ഡോക്യുമെന്റേഷനും വേഗത്തിലാക്കാൻ കഴിയും.
---
## അനുബന്ധം: സ്റ്റാർട്ടർ റിപ്പോ ഘടന (ഓപ്ഷണൽ)
```text
omniparser-starter/
├─ app/
│ ├─ api.py
│ ├─ workers.py
│ └─ validators.py
├─ notebooks/
│ ├─ 01_quickstart.ipynb
│ ├─ 02_tables.ipynb
│ └─ 03_preprocessing.ipynb
├─ samples/
│ ├─ invoice.pdf
│ ├─ receipt.jpg
│ └─ statement.pdf
├─ outputs/
└─ .cache/