landing-ai/ade-python

解决的问题

本库提供了一种将非结构化文档（PDF 和图像）转换为结构化、机器可读数据的编程方式。它解决了从复杂文档中提取特定类型信息，同时保持提取文本与其在文档中原始位置之间联系（grounding）的问题。

工作原理

本库与 LandingAI Agentic Document Extraction (ADE) API 交互。它遵循两个步骤：

1. Parse (解析)：将文档转换为结构化 Markdown，为每个元素创建包含像素坐标边界框（grounding）的结构树。
2. Extract (提取)：使用模式（通过 Pydantic 模型、字典或 JSON 定义）从生成的 Markdown 中提取特定的类型化字段。

对于大型文档，本库支持带有轮询和等待辅助函数的异步作业，以防止超时。

适用对象

专为构建需要自动执行 PDF 或图像数据录入的应用程序的开发人员设计，例如发票处理、身份验证或任何需要从视觉文档中提取结构化数据的流程。

亮点

• 类型化响应：使用 Pydantic 模型进行完全类型化的请求和响应。
• Grounding (落地)：为文档元素提供像素坐标边界框，确保数据与源文件对齐。
• 灵活的提取：支持使用 Pydantic、dict 或 JSON 模式进行字段提取。
• 异步支持：包含同步和异步客户端，并为高并发提供可选的 aiohttp 后端。
• 作业管理：内置用于管理大型文件长时间运行的提取作业的辅助函数。