يجب ألا يقرأ وكيل الذكاء الاصطناعي جدولًا. يجب عليه استدعاء أداة تُعيد الجدول، ثم إجراء عمليات حسابية على الصفوف. مع تشغيل GroupDocs.Parser.Mcp محليًا في Docker، يمكن لعميل الذكاء الاصطناعي مثل Claude Desktop أو Cursor استخراج الجداول من ملفات PDF وWord وExcel واستلامها كـ JSON:

استخراج بنود الفاتورة من invoice.pdf كـ JSON وحساب مجموع عمود المبلغ.

الإصدار خطوة بخطوة مع الإعدادات واستكشاف الأخطاء موجود في الوثائق: كيفية استخراج الجداول من المستندات إلى بيانات منظمة.

ماذا يحدث عندما يقرأ النموذج الجدول بنفسه؟

سير العمل الشائع هو لصق ملف PDF في الدردشة وطلب الجدول. يرى النموذج تدفقًا مسطحًا من النص، يستنتج مكان الأعمدة، ثم يكتب الصفوف مرة أخرى. كل خلية تصبح توقعًا. فقدان عمود، أو دمج صف، أو إزاحة الفاصلة العشرية لا ينتج عنه خطأ؛ بل ينتج جدولًا منسقًا بثقة لكنه خاطئ قليلًا. بالنسبة لقائمة الفواكه لا يهم ذلك. أما بالنسبة لمجاميع الفواتير فذلك مهم جدًا.

من الصعب اكتشاف الفشل لأن المخرجات تبدو صحيحة. لا شيء في رد الدردشة يخبرك أي الخلايا تم قراءتها من الملف وأيها تم إعادة بنائها.

ما هو البديل عن ترك النموذج يخمن؟

انقل عملية القراءة خارج النموذج. أداة extract_tables تكتشف الجداول باستخدام محرك المستند وتعيدها كبيانات:

  • Markdown بشكل افتراضي، كأقسام ### Table N (page N, R×C) التي تُعرض مباشرة في الدردشة، VS Code وGitHub.
  • JSON باستخدام format: "json"، كمصفوفة من كائنات { table, page, rows, columns, data }، حيث data هي شبكة من السلاسل.

النموذج لا ينسخ أي خلية أبدًا. يتلقى data ويعمل معها، لذا يتقلص عمله إلى ما ينجزه بثقة: الجمع، المقارنة، التصفية والشرح. الأداة تدعم PDF وDOCX وXLSX وPPTX وHTML، لذا يغطي نفس الطلب فاتورة المورد، تقرير Word، وجداول البيانات.

كيف تحصل على الجدول كـ JSON؟

حدد الصيغة في الطلب.

استخراج بنود الفاتورة كـ JSON وحساب مجموع عمود المبلغ.

Example session (abridged)
You:    Extract the line items from invoice-014.pdf as JSON and total the amount column.
Agent:  [calls extract_tables with format "json"]
        {"table": 1, "page": 1, "rows": 4, "columns": 3,
         "data": [["Item", "Qty", "Amount"],
                  ["Paper A4", "10", "48.00"],
                  ["Toner", "2", "170.00"],
                  ["Delivery", "1", "22.00"]]}
        Total of the Amount column: 240.00 across 3 line items.

نظرًا لأن الوكيل يحتفظ بالصفوف، فإن الخطوات التالية هي أسئلة عادية: أي سطر هو الأكبر، هل يتطابق المجموع مع الرقم المطبع في النص، كتابة الصفوف إلى ملف CSV في مجلد الإخراج. عندما تكون الحسابات مهمة، اطلب من الوكيل سرد الصفوف التي جمعها لتتمكن من التحقق منها.

متى يجب طلب Markdown بدلاً من JSON؟

استخدم Markdown عندما يقرأ شخص النتيجة لاحقًا، واستخدم JSON عندما يقرأها الكود. Markdown هو الافتراضي وهو أسرع طريقة للنظر إلى جدول وتقييم ما إذا تم العثور عليه بشكل صحيح. انتقل إلى JSON للمجاميع، والتحقق المتقاطع، وأي شيء يغذي جدول بيانات أو قاعدة بيانات. إذا كنت تعرف مكان الجدول، قم بتضييق الاستدعاء:

استخراج الجدول في الصفحة 4.

معامل page يقتصر الكشف على صفحة واحدة، مما يجعله أسرع، ومع الترخيص القائم على القياس، يكون أرخص.

أي الحالات لا تزال تحتاج إلى مراجعة بشرية؟

الحدود الصادقة أكثر أهمية مع الجداول مقارنة بالنص العادي.

  • المسحات الضوئية لا تحتوي على جداول للعثور عليها. بدون طبقة نصية لا توجد بنية جدول، وتعود عملية الاستخراج فارغة. لا يوجد OCR في هذا الخادم.
  • التصاميم المعقدة تختلف. الخلايا المدمجة، الجداول المتداخلة والجداول التي تستمر عبر صفحات لا تبقى دائمًا نظيفة كما في شبكة بسيطة. قم بفحص عينة من مستند قبل تشغيل مئتين.
  • وضع التقييم محدود. بدون ترخيص، يكون الاستخراج محدودًا؛ الحدود الدقيقة موجودة في صفحة الترخيص. اطلب من الوكيل استدعاء get_license_status قبل تشغيل حقيقي.

تثبيته بأمر واحد

الخادم موزع كصورة Docker فقط، لذا لا يوجد أمر dnx. سجّله في Claude Code هكذا، مع استبدال المسار بمجلد المستندات الخاص بك:

claude mcp add groupdocs-parser -- docker run --rm -i \
  -v /path/to/documents:/data ghcr.io/groupdocs-parser/parser-net-mcp:latest

Cursor، Claude Desktop، VS Code مع GitHub Copilot، Windsurf، Cline وCodex يستخدمون نفس الحاوية مع ملف إعدادات خاص بالعميل؛ كل منهم مدرج في التسجيل في عملاء الذكاء الاصطناعي.

الأسئلة المتكررة

هل يقرأ Claude جداول PDF بدقة؟
ذلك يعتمد على الملف وكيفية تسطيح العميل له، لذا تحقق منه بدلاً من الافتراض. باستخدام extract_tables تأتي الصفوف من كشف الجداول في محرك المستند، وتُعاد كشبكة من السلاسل، ويعمل Claude بناءً عليها.

كيف أستخرج جدولًا من PDF إلى Excel باستخدام الذكاء الاصطناعي؟
اطلب الجدول كـ JSON، ثم اطلب من الوكيل كتابة الصفوف إلى ملف CSV في مجلد الإخراج، والذي يفتحه Excel. التحويل من الصفوف إلى CSV هو خطوة الوكيل؛ قيم الخلايا تأتي من الأداة.

هل يمكنه استخراج الجداول من ملفات Word وExcel محليًا؟
نعم. extract_tables يتعامل مع DOCX وXLSX بالإضافة إلى PDF، وتقرأ الحاوية الملفات من المجلد الذي تقوم بتركيبه.

تعمق أكثر