AI agent by neměl číst tabulku. Měl by zavolat nástroj, který vrátí tabulku, a pak provést aritmetiku na řádcích. S GroupDocs.Parser.Mcp běžícím lokálně v Dockeru může AI klient, jako je Claude Desktop nebo Cursor, extrahovat tabulky z PDF, Word a Excel souborů a získat je jako JSON:

Extrahujte položky faktury z invoice.pdf jako JSON a sečtěte sloupec částka.

Krok‑za‑krokem verze s konfigurací a řešením problémů je v dokumentaci: Jak extrahovat tabulky z dokumentů do strukturovaných dat.

Co se pokazí, když model čte tabulku sám?

Obvyklý postup je vložit PDF do chatu a požádat o tabulku. Model vidí zploštělý proud textu, odhadne, kde byly sloupce, a napíše řádky zpět. Každá buňka je pak předpovědí. Chybějící sloupec, sloučený řádek nebo posunutá desetinná čárka nevytvoří chybu; vytvoří sebejistou, dobře formátovanou tabulku, která je mírně špatná. U seznamu ovoce to nevadí. U součtů faktur to má velký význam.

Selhání je těžké zachytit, protože výstup vypadá správně. V odpovědi chatu není nic, co by říkalo, které buňky byly přečteny ze souboru a které byly rekonstruovány.

Jaká je alternativa k nechání modelu hádat?

Přesuňte čtení mimo model. Nástroj extract_tables detekuje tabulky pomocí enginu dokumentu a vrací je jako data:

  • Markdown ve výchozím nastavení, jako sekce ### Table N (page N, R×C), které se vykreslí přímo v chatu, VS Code a GitHubu.
  • JSON s format: "json", jako pole objektů { table, page, rows, columns, data }, kde data je mřížka řetězců.

Model nikdy nepřepisuje buňku. Dostane data a pracuje s nimi, takže jeho úkol se zmenší na to, co dělá spolehlivě: sčítání, porovnávání, filtrování a vysvětlování. Nástroj podporuje PDF, DOCX, XLSX, PPTX a HTML, takže stejný prompt pokrývá fakturu dodavatele, Word report i tabulkový list.

Jak získat tabulku jako JSON?

Uveďte formát v promptu.

Extrahujte položky jako JSON a sečtěte sloupec částka.

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.

Protože agent drží řádky, další kroky jsou běžné otázky: který řádek je největší, odpovídá součet částce tištěné hodnotě v textu, zapište řádky do CSV ve výstupní složce. Když je aritmetika důležitá, požádejte agenta, aby vypsal řádky, které sčítal, abyste je mohli zkontrolovat.

Kdy požádat o Markdown místo JSON?

Použijte Markdown, když výsledek bude číst člověk, a JSON, když jej bude zpracovávat kód. Markdown je výchozí a je nejrychlejší způsob, jak se podívat na tabulku a posoudit, zda byla nalezena správně. Přepněte na JSON pro součty, kontrolu a vše, co se předává do tabulkového procesoru nebo databáze. Pokud víte, kde se tabulka nachází, zúžte volání:

Extrahujte tabulku na stránce 4.

Parametr page omezuje detekci na jednu stránku, což je rychlejší a při licencování na měření levnější.

Které případy stále vyžadují lidský dohled?

Upřímná omezení jsou u tabulek důležitější než u obyčejného textu.

  • Skeny nemají žádné tabulky. Bez textové vrstvy neexistuje struktura tabulky a extrakce vrátí prázdný výsledek. V tomto serveru není OCR.
  • Komplexní rozvržení se liší. Sloučené buňky, vnořené tabulky a tabulky pokračující přes stránky nepřežijí vždy jako čistá mřížka. Proveďte kontrolu jednoho dokumentu před spuštěním dvou set.
  • Režim hodnocení je omezený. Bez licence je extrakce omezena; přesné limity jsou uvedeny na licensing page. Požádejte agenta, aby před skutečným během zavolal get_license_status.

Nainstalujte jedním příkazem

Server je distribuován pouze jako Docker image, takže neexistuje příkaz dnx. Zaregistrujte jej v Claude Code takto, nahraďte cestu vaší složkou s dokumenty:

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 s GitHub Copilot, Windsurf, Cline a Codex používají stejný kontejner s konfiguračním souborem specifickým pro klienta; každý je uveden v Register in AI clients.

FAQ

Čte Claude PDF tabulky přesně?
Záleží na souboru a na tom, jak jej klient zploští, takže to raději otestujte než předpokládejte. S extract_tables pocházejí řádky z detekce tabulek enginu dokumentu, vrácené jako mřížka řetězců, a Claude s nimi pracuje.

Jak extrahovat tabulku z PDF do Excelu pomocí AI?
Požádejte o tabulku jako JSON, pak požádejte agenta, aby řádky zapsal do CSV ve výstupní složce, kterou Excel otevře. Převod řádků na CSV je krok agenta; hodnoty buněk pocházejí z nástroje.

Může lokálně extrahovat tabulky z Word a Excel souborů?
Ano. extract_tables zpracovává DOCX i XLSX stejně jako PDF a kontejner čte soubory ze složky, kterou připojíte.

Jděte hlouběji