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": , du kan:
- Chatta om kodexempel och PDF:er du testar
- Generera snabba adaptrar (t.ex. rubriknormaliserare, regex-mallar)
- Sammanfatta parsingresultat och upptäcka avvikelser innan du bygger dashboards
Det är inget substitut för OmniParser—men en kraftfull följeslagare när du prototypar, felsöker och dokumenterar din pipeline.
---
## Handlingsplan: Gör handledningar till produktionsframgångar
- Välj 3 handledningar som matchar dina mest påverkningsfulla dokument.
- Skapa en liten valideringssvit (10–20 dokument) och kör den efter varje ändring.
- Lägg till en granskningskö för fält med låg förtroendenivå; mät lösningstid.
- Logga normaliseringsregler och specialfall; omvandla dem till mallar.
- Schemalägg en månatlig benchmark för att fånga drift och regressioner.
---
## Viktiga lärdomar
- De bästa OmniParser-handledningarna kombinerar kod, heuristik och produktionsaspekter.
- Börja smått (Snabbstart) och gå sedan på djupet (Tabeller, Layout, Validering).
- Förbehandling och begränsningsrutor förbättrar noggrannheten dramatiskt på brusiga skanningar.
- Produktionssättning innebär cachning, batchning, omförsök och mätbar kvalitet.
- En lättviktig AI-assistent som [Sider.AI](https://sider.ai) kan påskynda experiment och dokumentation.
---
## Appendix: Struktur för startrepo (valfritt)
```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/