带置信度评分的可追溯提取
请将提取的值与供应商文档对照审核。提取的置信度评分以及页码和引文依据，可帮助您决定先检查什么；它们并不保证某项规格一定正确。
结果是您可以信赖的结构化产品数据：一致的字段名称、标准化的值，以及从数据点到源文档的清晰审计追踪。
PDF 产品数据提取
从供应商 PDF 中提取产品规格和数据
Doc2Shelf 读取规格书、数据表、安全数据表和产品目录，并将它们转化为清晰、结构化的产品数据（规格、属性和合规字段），每次提取都带有置信度评分和标明页码的依据。
包含免费计划 — 无需信用卡。
产品数据被困在 PDF 中。规格表、数据表、安全数据表和目录包含了您销售和合规所需的一切，但其布局是为了阅读而非数据库设计的。手动提取既缓慢又不一致。
Doc2Shelf 使用 AI 提取这些数据。它识别产品标识符、规格、材质、尺寸和合规相关字段，对其进行一致的结构化处理，对每次提取的置信度和完整度进行评分，并记录所提取事实的来源页码和简短引文，让您知道需要核实什么。
工作原理
- 1
上传 PDF
添加规格表、数据表、SDS 或目录。
- 2
AI 提取
生成结构化字段，并给出每次提取的置信度评分。
- 3
核实
对照引用的源文档页面核对各个值。
- 4
使用数据
导出数据，或将其导入到产品列表和声明中。
规格与属性
Doc2Shelf 使用 AI 提取这些数据。它识别产品标识符、规格、材质、尺寸和合规相关字段，对其进行一致的结构化处理，并为每个字段附加置信度评分，以便您知道需要核实的内容。
结果是您可以信赖的结构化产品数据：一致的字段名称、标准化的值，以及从数据点到源文档的清晰审计追踪。
从 PDF 到产品列表、声明草稿和面向 DPP 的数据
提取是后续流程的基础。同一份审核后的结构化数据可用于 Shopify 和 WooCommerce 商品信息、可审核的 eBay 文案、欧盟/美国声明草稿、适用的 GPSR 内容，以及用于后续实施的单独面向 DPP 的结构化 JSON。
如果您想在自己的系统中使用，可以将原始结构化数据导出为 JSON 或 CSV，也可以用它来准备供审核的商品列表和声明草稿。
为规模化而生
在套餐的文档额度范围内，一次最多上传 500 个 PDF，让后台管道并行提取。重复使用的提取结果和一致的结构使大型目录保持连贯，而审核门控则确保在任何下游内容发布之前质量过关。
哪些供应商文档的效果最好
Doc2Shelf 从您上传的 PDF 文件中提取数据；它不会抓取供应商门户网站，也不会替您获取文档。数字版 PDF 和扫描版 PDF 都可以读取，不过扫描质量差会降低提取的置信度；涵盖多个产品的文档会生成多条产品记录。
能从一份文件中得到什么，取决于文档的类型：
| 文档类型 | 通常提供 | 注意事项 |
|---|---|---|
| 规格书和技术数据表 | 型号、尺寸、额定值、材质、适用标准 | 多型号表格需逐个型号核对 |
| 安全数据表（SDS） | 危险性分类、H 和 P 声明、信号词、含 CAS 号的成分 | 属于危险数据，而非营销属性；已内置 SDS 预设 |
| 产品目录 | 每份文件含多个产品：名称、变体、主要规格 | 每个产品的细节少于数据表 |
| 标签指南和标签设计稿 | 警告、净含量、成分或 INCI 列表、标识 | 了解包装上印刷内容的最佳来源 |
| 符合性声明和证书 | 指令、标准、标识、制造商信息 | 按所述内容记录，不核查其有效性 |
| 装箱单和发票 | 重量、包装尺寸、每包数量、HS 编码、原产国（如有注明） | 很少描述产品本身 |
| 说明书 | 预期用途、警告、保养说明 | 关键数据分散在多个页面 |
提取的内容及其用途
无论供应商的版式如何，每次提取都会返回按相同字段组整理的产品记录。这些字段组与 Doc2Shelf 接下来准备的内容直接对应，因此在审核中核对过一次的值，可在所有需要的地方重复使用。
除结构化字段外，提取结果还保留其依据：附有页码和简短原文引文的事实清单、逐行还原的每张数据表、不属于任何标准字段的事实，以及文档中未包含的必填信息清单。在生成商品列表或声明草稿时仍然缺失的信息，会显示为 [REQUIRED: …] 占位符，而不是编造的值。
| 字段组 | 示例字段 | 用于 |
|---|---|---|
| 标识 | 名称、品牌、制造商、型号、GTIN/EAN；仅当文档标明时才有 SKU | 商品列表标题和规格；声明草稿中的产品标识 |
| 相关方 | 制造商、进口商、分销商、欧盟负责人、地址 | GPSR 信息块；声明草稿 |
| 分类 | 类别、子类别、预期用途、适龄分级 | 声明类型、产品类型、商品列表文案 |
| 测量值 | 尺寸、重量、容量，单位与印刷一致 | 规格；运输数据 |
| 成分 | 按印刷顺序排列的配料、过敏原、营养值 | 食品、补充剂和化妆品的商品列表及草稿 |
| 合规 | 标准、指令、认证、标识、法规引用 | 欧盟和美国声明草稿 |
| 安全 | 警告、危险性和防范说明、信号词、象形图 | GPSR 信息块中的安全信息（适用时） |
| 包装与物流 | 包装材料、回收代码、每包数量、HS 编码、原产国 | 规格；面向 DPP 的结构化 JSON |
置信度评分、依据与审核门控
每次提取都带有置信度评分和完整度评分，并附有关于字迹不清的区域、含义模糊的值或扫描质量等注意事项的说明。可据此决定先查看哪里。高分并不意味着该值一定正确，低分通常指向文档本身的问题（扫描质量差、表格不清晰），可能值得从源头修正。
任何提取内容在未经审核的情况下都不会被发布或导出。当您将内容标记为已审核时，Doc2Shelf 会记录内容哈希；之后的任何编辑都会改变哈希并使审核失效，因此在有人检查修改后的版本之前，发布和导出都会保持受阻。建议的审核顺序：
- 先从置信度或完整度最低的文档开始。
- 先对照引用的依据，检查标识符和与安全相关的值。
- 确认多型号表格中的每个值都对应到正确的产品。
- 对被标记的缺失数据，应向供应商索取，而不是自行填写。
- 将内容标记为已审核，并在任何编辑之后重新审核。
批量提取与输出格式
在套餐的文档额度范围内，一批最多上传 500 个 PDF，提取在后台运行。内置模板会针对某种文档类型进行提取：食品标签、SDS / 化学品、电子产品规格书或通用产品；您还可以选择重点关注领域、添加自定义指令、开启审计模式（连同引文一起记录每个事实和每一行表格数据），并且根据您的套餐，把设置保存为模板，供下一家供应商使用。
数值以文档的原文语言保留，单位与印刷完全一致，因此从源文件到您的审核之间不会有任何悄然的转换。审核完成后，数据会以各个工作流所需的格式从 Doc2Shelf 输出：
| 输出 | 格式 | 典型用途 |
|---|---|---|
| 结构化产品数据 | JSON、CSV；DOCX 视套餐而定 | 您自己的系统、电子表格、PIM 导入 |
| 店铺商品列表 | Shopify 草稿产品；WooCommerce 简单草稿产品；CSV、JSON、PDF、DOCX 导出 | 以草稿形式发布，或在 Doc2Shelf 之外审核 |
| 面向新用户的 eBay 文案 | 通用 CSV 或 JSON，而非 eBay 导入格式 | 用于您自己的 eBay 工作流 |
| 声明草稿 | PDF、DOCX、可打印的声明标签 | 由责任方完成并签署 |
| 面向 DPP 的数据 | 作为准备数据的结构化 JSON | 供后续实施使用；不是完整的护照 |
与通用 PDF 解析器和 OCR 工具有何不同
通用的 PDF 转电子表格工具和 OCR 引擎只解决了问题的一部分：把文本和表格从文件中取出来。至于将这些文本转化为产品记录，再把记录转化为商品列表和合规草稿，则要由您自己完成。下面的对比针对的是工具类型，而非任何具体产品。
如果您只需要把一张干净的表格复制到电子表格里，或者要处理大量同一种固定表单，通用工具是更简单的选择。Doc2Shelf 则为相反的情形而设计：供应商众多、版式各异，且数据最终必须进入商品列表和声明草稿。从 PDF 中提取产品数据的指南对所有方法做了更详细的比较。
| 能力 | 通用表格解析器 | 独立 OCR | Doc2Shelf |
|---|---|---|---|
| 扫描页面 | 通常需要文本层 | 支持，这是其核心用途 | 支持；扫描质量会影响置信度 |
| 输出 | 原始表格或文本 | 文本 | 按命名字段组整理的产品记录 |
| 以句子形式写出的值 | 不会作为字段获取 | 作为纯文本获取 | 有明确表述时映射到字段 |
| 一个 PDF 中含多个产品 | 需要您自行拆分各行 | 不会拆分 | 每个产品一条记录 |
| 每个值的依据 | 表格本身 | 文本位置 | 页码和简短引文 |
| 缺失的必填信息 | 不标记 | 不标记 | 列出；在草稿中显示为占位符 |
| 下一步 | 将各列映射到您的模式 | 自行解析文本 | 审核后生成商品列表、草稿和导出文件 |
数据质量与局限
AI 提取可能会遗漏某个值、读错某个值（尤其是在扫描质量差、表格密集或数值仅出现在图纸中的情况下），或者在多产品表格中把值对应到错误的型号。这正是设置审核门控、并让提取结果保留可供核查的依据的原因。在规划目录迁移之前，请先了解这些边界：
- 它只提取文档中明确陈述的内容；不会到别处查找缺失的值，也不会对其进行估算。
- 单位和数值保持与印刷一致。单位换算以及按各渠道要求规范数值列表，属于您审核工作的一部分；产品属性指南介绍了具体做法。
- 只有文档明确标注了 SKU 时才会获取，绝不会根据文件名或型号推导。
- 标准、标识和证书引用均按所述内容记录。Doc2Shelf 不检测产品、不评估符合性，也不核实证书。
- 文本保持文档的原文语言；商品列表翻译是一个单独的步骤，生成可供审核的草稿。
- 上传的必须是 PDF 文件；其他格式需先另存为 PDF。
规格与属性
将尺寸、材质、容量和型号提取到字段中。
置信度评分
每次提取都会进行置信度和完整度评分。
来源可追溯性
每个值都链接回文档中的位置。
JSON / CSV 导出
导出结构化数据以供您自己的系统使用。
支持各种工作流程
一次提取即可用于商品列表、声明草稿和面向 DPP 的数据。
批量提取
在套餐额度范围内，每批最多 500 份文档。
缺失数据标记
文档中缺少的必填信息会被列出，而不是被编造。
提取模板
针对食品标签、SDS、电子产品规格书和通用产品的内置预设。
适用对象
- 将大型供应商规格表库数字化的团队
- 从 PDF 目录构建结构化产品数据库
- 将清洗后的数据导入电子商务和 PIM 系统
- 为合规性和 DPP 工作流程准备产品数据
- 一次批量导入新供应商的数据表和产品目录
常见问题解答
- 它能读取哪些文档类型？
- 供应商规格表、技术数据表、安全数据表 (SDS)、标签指南和产品目录。文档越清晰，提取的置信度就越高。
- 我如何确保数据准确无误？
- 每个提取的字段都带有置信度分数，并链接回源文档中的位置，因此可以快速验证任何不确定的内容。审核门控机制可防止未经核实的数据流入下游。
- 我可以导出原始结构化数据吗？
- 可以。您可以将审核后的产品数据导出为 JSON 或 CSV 供自己的系统使用，或用其准备商品信息、声明草稿，以及用于后续实施的单独面向 DPP 的结构化数据。
- 从供应商 PDF 中提取结构化产品数据?
- 可以。它能提取型号、尺寸、材质、容量、配料以及其他产品特有属性等结构化字段，对每次提取的置信度和完整度进行评分，并记录所提取事实的来源页码和简短引文，供审核使用。
- 它能从扫描版 PDF 中提取数据吗？
- 可以。扫描页面会作为图像读取，因此扫描质量很重要：分辨率低、倾斜或对比度低的扫描件会降低置信度评分，也更容易出现字符识别错误。如有可能，请向供应商索取数字版原件。
- 如果一个 PDF 涵盖多个产品或型号，会怎么处理？
- 文档中每个不同的产品都会成为各自独立的产品记录。在多型号规格表中，使用数据之前请检查每个值（尤其是合并单元格和带脚注的值）是否对应到了正确的型号。
- 提取会换算单位或翻译数值吗？
- 不会。数值和单位完全按印刷内容、以文档的原文语言保留，因此提取的数据与源文件一致。请在审核时按各渠道的要求规范单位；商品列表翻译是另一项功能，生成可供审核的草稿。
- 如果供应商 PDF 中缺少信息，会怎么样？
- 这些信息会作为缺失的必填数据列出，而不是靠猜测填写。生成商品列表或声明草稿时，仍然缺失的信息会显示为 [REQUIRED: …] 占位符，使这一缺口一直清晰可见，直到有人从可靠的来源补全。
- 一次可以处理多少个 PDF？
- 在套餐的文档额度范围内，每批最多 500 个 PDF。提取在后台运行，每份文档的结果在处理完成后即可审核。
相关指南
- 产品数据表是什么？
产品数据表包含哪些内容、与规格表和安全数据表有何区别，以及如何将其复用于商品列表。
- 如何从 PDF 提取产品数据
手动录入、PDF 表格工具、模板解析和 AI 提取的对比——以及确保提取规格准确的检查事项。
- 产品属性：提取与标准化
定义属性模式，从描述和数据表中提取值，用 UNECE 代码标准化单位，并将属性映射到分类体系。
- 什么是安全数据表（SDS）？
安全数据表是什么、SDS 的 16 个部分、欧盟和美国规则、SDS 与 TDS 的区别，以及哪些部分会用于商品列表和运输数据。
- 什么是 GTIN？
GTIN 格式、校验位、如何获取 GS1 条形码、何时变更需要新的 GTIN，以及 Google、eBay、Shopify 和 WooCommerce 如何使用它们。
- Shopify 批量上传产品
如何使用产品 CSV、导入应用或 Admin API 在 Shopify 批量上传产品，以及如何准备干净的数据。
- WooCommerce 批量上传产品
如何使用内置 CSV 导入器、插件或 REST API 在 WooCommerce 批量上传产品，以及如何准备数据。
- eBay 商品属性
eBay 商品属性是什么、必填与推荐属性、字符限制、产品标识符，以及如何将供应商数据映射到这些属性。