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": 
- 可以聊天討論您正在測試的程式碼片段和 PDF
- 產生快速轉接器（例如，標頭標準化器、正則表達式範本）
- 在建立儀表板之前，總結解析結果並發現異常
它不能取代 OmniParser，但它是一個強大的助手，可以在您建立原型、調試和記錄管道時提供幫助。
---
## 行動計畫：將教學課程轉化為生產勝利
- 選擇 3 個與您影響最大的文檔一致的教學課程。
- 建立一個小型驗證套件（10-20 個文檔），並在每次變更後執行它。
- 為低置信度欄位新增審閱佇列；測量解決時間。
- 記錄標準化規則和邊緣案例；將它們轉換為範本。
- 安排每月基準測試以捕獲漂移和回歸。
---
## 主要要點
- 最佳的 OmniParser 教學課程結合了程式碼、啟發法和生產考量。
- 從小處著手（快速入門），然後深入研究（表格、佈局、驗證）。
- 預處理和邊界框可顯著提高雜亂掃描的準確性。
- 投入生產意味著快取、批次處理、重試和可衡量的品質。
- 像 [Sider.AI](https://sider.ai) 這樣輕量級的 AI 助手可以加速實驗和記錄。
---
## 附錄：入門儲存庫結構（可選）
```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/