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": , మీరు వీటిని చేయవచ్చు:
- మీరు పరీక్షిస్తున్న కోడ్ స్నిప్పెట్‌లు మరియు PDFలపై చాట్ చేయవచ్చు
- శీఘ్ర అడాప్టర్‌లను రూపొందించవచ్చు (ఉదా., హెడర్ నార్మలైజర్‌లు, రెగెక్స్ టెంప్లేట్‌లు)
- డ్యాష్‌బోర్డ్‌లను రూపొందించే ముందు పార్సింగ్ ఫలితాలను సంగ్రహించవచ్చు మరియు అసాధారణతలను గుర్తించవచ్చు
ఇది OmniParserకు ప్రత్యామ్నాయం కాదు—కానీ మీరు మీ పైప్‌లైన్‌ను ప్రోటోటైప్ చేస్తున్నప్పుడు, డీబగ్ చేస్తున్నప్పుడు మరియు డాక్యుమెంట్ చేస్తున్నప్పుడు ఇది శక్తివంతమైన తోడుగా ఉంటుంది.
---
## కార్యాచరణ ప్రణాళిక: ట్యుటోరియల్స్‌ను ఉత్పత్తి విజయాలుగా మార్చండి
- మీ అత్యధిక ప్రభావవంతమైన పత్రాలకు అనుగుణంగా 3 ట్యుటోరియల్‌లను ఎంచుకోండి.
- చిన్న ధ్రువీకరణ సూట్‌ను (10–20 డాక్స్) సృష్టించండి మరియు ప్రతి మార్పు తర్వాత దాన్ని అమలు చేయండి.
- తక్కువ విశ్వాసం ఉన్న ఫీల్డ్‌ల కోసం సమీక్ష క్యూను జోడించండి; పరిష్కార సమయాన్ని కొలవండి.
- సాధారణీకరణ నియమాలు మరియు ఎడ్జ్ కేసులను లాగ్ చేయండి; వాటిని టెంప్లేట్‌లుగా మార్చండి.
- డ్రిఫ్ట్ మరియు రిగ్రెషన్‌లను గుర్తించడానికి నెలవారీ బెంచ్‌మార్క్‌ను షెడ్యూల్ చేయండి.
---
## ముఖ్యమైన విషయాలు
- ఉత్తమ OmniParser ట్యుటోరియల్స్ కోడ్, హ్యూరిస్టిక్స్ మరియు ఉత్పత్తి సమస్యలను మిళితం చేస్తాయి.
- చిన్నగా ప్రారంభించండి (శీఘ్ర ప్రారంభం), ఆపై లోతుగా వెళ్లండి (టేబుల్స్, లేఅవుట్, వాలిడేషన్).
- ప్రీప్రాసెసింగ్ మరియు బౌండింగ్ బాక్స్‌లు గజిబిజి స్కాన్‌లపై ఖచ్చితత్వాన్ని గణనీయంగా మెరుగుపరుస్తాయి.
- ఉత్పత్తి చేయడం అంటే కాషింగ్, బ్యాచింగ్, రీట్రైలు మరియు కొలవగల నాణ్యత.
- [Sider.AI](https://sider.ai) వంటి తేలికపాటి AI అసిస్టెంట్ ప్రయోగాలు మరియు డాక్యుమెంటేషన్‌ను వేగవంతం చేస్తుంది.
---
## అనుబంధం: స్టార్టర్ రెపో నిర్మాణం (ఐచ్ఛికం)
```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/