Produktdataextraktion från PDF
Doc2Shelf läser specifikationsblad, datablad, säkerhetsdatablad och kataloger och förvandlar dem till ren, strukturerad produktdata – specifikationer, attribut och efterlevnadsfält – med en konfidenspoäng för varje extraktion och sidreferenser som belägg.
Gratisplan ingår — inget kreditkort krävs.
Produktdata är fångad i PDF:er. Specifikationsblad, datablad, säkerhetsdatablad och kataloger innehåller allt du behöver för att sälja och följa regler – men i en layout byggd för läsning, inte för databaser. Att få ut datan manuellt är långsamt och inkonsekvent.
Doc2Shelf extraherar den datan med AI. Tjänsten identifierar produktidentifierare, specifikationer, material, mått och efterlevnadsrelevanta fält, strukturerar dem konsekvent, poängsätter varje extraktion för konfidens och fullständighet och registrerar extraherade fakta med källsida och ett kort citat så att du vet vad som behöver verifieras.
Lägg till specifikationsblad, datablad, säkerhetsdatablad eller kataloger.
Strukturerade fält skapas, med en konfidenspoäng för varje extraktion.
Kontrollera värdena mot den citerade källsidan.
Exportera den eller använd den i produktlistor och deklarationer.
Granska extraherade värden tillsammans med leverantörsdokumentet. Extraktionens konfidenspoäng samt beläggen med sida och citat hjälper dig att avgöra vad du ska kontrollera först; de är ingen garanti för att en specifikation är korrekt.
Resultatet är strukturerad produktdata du kan lita på: konsekventa fältnamn, normaliserade värden och en tydlig granskningskedja från datapunkt till källdokument.
Doc2Shelf extraherar den datan med AI. Den identifierar produkt-ID:n, specifikationer, material, mått och efterlevnadsrelevanta fält, strukturerar dem konsekvent och kopplar en konfidenspoäng till varje fält så att du vet vad som behöver verifieras.
Resultatet är strukturerad produktdata du kan lita på: konsekventa fältnamn, normaliserade värden och en tydlig granskningskedja från datapunkt till källdokument.
Extraktionen är grunden för de efterföljande stegen. Samma granskade strukturerade data kan stödja Shopify- och WooCommerce-poster, granskningsbar eBay-inriktad utkaststext, EU-/USA-deklarationsutkast, tillämpligt GPSR-innehåll och separat DPP-inriktad strukturerad JSON för efterföljande implementering.
Exportera den råa strukturerade datan som JSON eller CSV om du vill använda den i dina egna system, eller använd den för att förbereda listningar och deklarationsutkast för granskning.
Ladda upp upp till 500 PDF:er samtidigt, inom dokumentkvoten i din plan, och låt bakgrundsprocessen extrahera dem parallellt. Återanvända extraktioner och konsekvent struktur håller stora kataloger sammanhängande, och granskningsspärren håller kvaliteten hög innan något publiceras vidare.
Doc2Shelf extraherar från de PDF-filer du laddar upp; tjänsten genomsöker inte leverantörsportaler och hämtar inga dokument åt dig. Både digitala och inskannade PDF:er kan läsas, men dåliga skanningar sänker extraktionens konfidens, och ett dokument som omfattar flera produkter ger flera produktposter.
Vad du kan förvänta dig av en fil beror på vilken typ av dokument det är:
| Dokumenttyp | Innehåller vanligtvis | Tänk på |
|---|---|---|
| Specifikationsblad och tekniska datablad | Modellnummer, mått, märkdata, material, tillämpade standarder | Tabeller med flera modeller måste kontrolleras modell för modell |
| Säkerhetsdatablad (SDS) | Faroklassificering, H- och P-fraser, signalord, sammansättning med CAS-nummer | Faroinformation, inte marknadsföringsattribut; en inbyggd SDS-förinställning finns |
| Produktkataloger | Många produkter per fil: namn, varianter, viktiga specifikationer | Mindre detaljer per produkt än i ett datablad |
| Märkningsguider och etikettgrafik | Varningar, nettomängd, ingrediens- eller INCI-listor, märkningar | Bästa källan till det som är tryckt på förpackningen |
| Försäkringar om överensstämmelse och intyg | Direktiv, standarder, märkningar, tillverkaruppgifter | Registreras som angivet, utan kontroll av giltighet |
| Packlistor och fakturor | Vikter, förpackningsmått, antal per förpackning, HS-kod, ursprungsland – i förekommande fall | Beskriver sällan själva produkten |
| Bruksanvisningar | Avsedd användning, varningar, skötselanvisningar | Viktiga uppgifter är utspridda över många sidor |
Varje extraktion returnerar produktposter ordnade i samma fältgrupper, oavsett leverantörens layout. Grupperna motsvarar direkt det innehåll som Doc2Shelf förbereder härnäst, så ett värde som kontrollerats en gång under granskningen återanvänds överallt där det behövs.
Vid sidan av de strukturerade fälten behåller extraktionen sitt belägg: en lista med fakta med sidnummer och ett kort ordagrant citat, varje datatabell återgiven rad för rad, fakta som inte passar något standardfält samt en lista över obligatorisk information som dokumentet inte innehöll. Information som fortfarande saknas när listningar eller deklarationsutkast genereras visas som en platshållare [REQUIRED: …] i stället för ett påhittat värde.
| Fältgrupp | Exempelfält | Används i |
|---|---|---|
| Identitet | Namn, varumärke, tillverkare, modellnummer, GTIN/EAN; SKU endast när dokumentet anger en | Listningens titel och specifikationer; produktidentifiering i deklarationsutkast |
| Parter | Tillverkare, importör, distributör, ansvarig person i EU, adresser | GPSR-informationsblock; deklarationsutkast |
| Klassificering | Kategori, underkategori, avsedd användning, åldersgradering | Deklarationstyp, produkttyp, listningstext |
| Mätvärden | Mått, vikt, volym, enheter som de är tryckta | Specifikationer; fraktdata |
| Sammansättning | Ingredienser i tryckt ordning, allergener, näringsvärden | Listningar och utkast för livsmedel, kosttillskott och kosmetika |
| Efterlevnad | Standarder, direktiv, certifieringar, märkningar, hänvisningar till förordningar | Utkast till EU- och USA-deklarationer |
| Säkerhet | Varningar, faro- och skyddsangivelser, signalord, piktogram | Säkerhetsinformation i GPSR-blocket i tillämpliga fall |
| Förpackning och logistik | Förpackningsmaterial, återvinningskoder, antal per förpackning, HS-kod, ursprungsland | Specifikationer; DPP-inriktad strukturerad JSON |
Varje extraktion har en konfidenspoäng och en fullständighetspoäng, med anmärkningar om förbehåll som oläsliga områden, tvetydiga värden eller skanningskvalitet. Använd dem för att avgöra var du ska titta först. En hög poäng gör inte ett värde korrekt, och en låg poäng pekar oftast på ett dokumentproblem – en dålig skanning, en otydlig tabell – som kan vara värt att åtgärda vid källan.
Inget extraherat publiceras eller exporteras ogranskat. När du markerar innehåll som granskat registrerar Doc2Shelf en innehållshash; varje senare redigering ändrar hashen och ogiltigförklarar granskningen, så publicering och export förblir blockerade tills någon har kontrollerat den ändrade versionen. En praktisk granskningsordning:
Ladda upp upp till 500 PDF:er i en batch, inom dokumentkvoten i din plan, så körs extraktionen i bakgrunden. Inbyggda mallar inriktar extraktionen på en dokumenttyp – Livsmedelsetikett, SDS / kemikalie, Specifikationsblad för elektronik eller Allmän produkt – och du kan välja fokusområden, lägga till egna instruktioner, aktivera ett granskningsläge som fångar varje faktum och tabellrad med ett citat och, beroende på din plan, spara inställningarna som en mall till nästa leverantör.
Värden behålls på dokumentets språk, med enheter exakt som de är tryckta, så ingenting omvandlas i det tysta mellan källan och din granskning. När uppgifterna är granskade lämnar de Doc2Shelf i det format som varje arbetsflöde behöver:
| Utdata | Format | Typisk användning |
|---|---|---|
| Strukturerade produktdata | JSON, CSV; DOCX beroende på plan | Dina egna system, kalkylblad, PIM-importer |
| Butikslistningar | Shopify-produkter som utkast; enkla WooCommerce-produkter som utkast; export som CSV, JSON, PDF, DOCX | Publicering som utkast, eller granskning utanför Doc2Shelf |
| eBay-inriktad text för nya användare | Generisk CSV eller JSON, inte ett eBay-importschema | Återanvändning i ditt eget eBay-arbetsflöde |
| Deklarationsutkast | PDF, DOCX, utskrivbara deklarationsetiketter | Slutförande och godkännande av den ansvariga parten |
| DPP-inriktade data | Strukturerad JSON som förberedelsedata | Vidare implementering; inte ett färdigt pass |
Generiska verktyg för PDF-till-kalkylblad och OCR-motorer löser en del av problemet: de får ut text och tabeller ur en fil. Att göra om texten till produktposter – och posterna till listningar och efterlevnadsutkast – lämnar de åt dig. Jämförelsen nedan gäller typen av verktyg, inte någon specifik produkt.
Ett generiskt verktyg är det enklare valet när du bara behöver en ren tabell kopierad till ett kalkylblad, eller när du bearbetar stora volymer av ett och samma fasta formulär. Doc2Shelf är byggt för motsatsen: många leverantörer, varierande layouter och data som ska hamna i listningar och deklarationsutkast. Guiden om att extrahera produktdata ur PDF:er jämför alla metoder närmare.
| Funktion | Generisk tabelltolkare | Fristående OCR | Doc2Shelf |
|---|---|---|---|
| Inskannade sidor | Kräver oftast ett textlager | Ja, det är kärnan i syftet | Ja; skanningskvaliteten påverkar konfidensen |
| Utdata | Råa tabeller eller text | Text | Produktposter i namngivna fältgrupper |
| Värden skrivna i löpande text | Fångas inte som fält | Fångas som ren text | Mappas till fält där de anges |
| Flera produkter i en PDF | Du separerar raderna själv | Separeras inte | En post per produkt |
| Belägg per värde | Själva tabellen | Textposition | Sidnummer och kort citat |
| Obligatorisk information som saknas | Flaggas inte | Flaggas inte | Listas; visas som platshållare i utkast |
| Nästa steg | Mappa kolumner till ditt schema | Tolka texten själv | Listningar, utkast och exporter efter granskning |
AI-extraktion kan missa ett värde, läsa fel på ett – särskilt i dåliga skanningar, täta tabeller eller värden som bara visas i ritningar – eller koppla ett värde till fel modell i en tabell med flera produkter. Därför finns granskningsspärren, och därför behåller extraktionen belägg som du kan kontrollera. Känn till dessa gränser innan du planerar en katalogmigrering:
Mått, material, kapaciteter och modellnummer hämtade till fält.
Varje extraktion poängsätts för konfidens och fullständighet.
Varje värde länkar tillbaka till sin plats i dokumentet.
Exportera strukturerad data för användning i dina egna system.
En extraktion matar listningar, deklarationsutkast och DPP-inriktade data.
Upp till 500 dokument per batch, inom kvoten i din plan.
Obligatorisk information som saknas i dokumentet listas i stället för att hittas på.
Inbyggda förinställningar för livsmedelsetiketter, SDS, specifikationsblad för elektronik och allmänna produkter.
Vad ett produktdatablad innehåller, hur det skiljer sig från ett specifikationsblad eller säkerhetsdatablad och hur du återanvänder det för annonser.
Manuell inmatning, tabellverktyg för PDF, mallbaserad tolkning och AI-extraktion jämförda — plus de kontroller som håller extraherade specifikationer korrekta.
Definiera ett attributschema, extrahera värden ur beskrivningar och datablad, normalisera enheter med UNECE-koder och koppla attribut till taxonomier.
Vad ett säkerhetsdatablad är, SDS:ens 16 avsnitt, regler i EU och USA, SDS jämfört med TDS och vilka avsnitt som matar produktlistningar och fraktdata.
GTIN-format, kontrollsiffror, hur du skaffar GS1-streckkoder, när en ändring kräver ett nytt GTIN och hur Google, eBay, Shopify och WooCommerce använder dem.
Så importerar du produkter i bulk till Shopify med produkt-CSV, importappar eller Admin API — och hur du förbereder rena data.
Så importerar du produkter i bulk till WooCommerce med den inbyggda CSV-importören, tillägg eller REST API — och hur du förbereder data.
Vad artikelspecifikationer (item specifics) på eBay är, obligatoriska jämfört med rekommenderade attribut, teckengränser, produktidentifierare och hur du mappar leverantörsdata till dem.
Fyll en WooCommerce-katalog från PDF:er – beskrivningar, specifikationer och bilder – och skapa produktutkast via API utan CSV-mappning.
Läs merOmvandla leverantörsdokument till Shopify-produktutkast – titlar, beskrivningar, bilder och specifikationer – utan manuell datainmatning.
Läs merSkriv redigerbara e-handelstitlar, beskrivningar och punktlistor förankrade i verkliga data i dina produkt-PDF:er.
Läs merTa fram utkast till EU- och USA-deklarationer, strukturerade efter produktkategori, från en enda dokumentuppladdning.
Läs mer