Laboratório do Capítulo 3
OCR com Docling
Veja uma página sintética ser organizada em layout, texto, tabela, ordem de leitura e estrutura.
← Voltar ao capítuloDados sintéticos · atividade local · reinício disponível
Laboratório de OCR
Exemplo visual: como o Docling organiza um documento
Esta é uma simulação local de uma página sintética. O Docling não é chamado pelo site: a animação mostra as etapas de layout, OCR, tabelas, ordem de leitura e saída estruturada.
| item | status |
|---|---|
| prazo | 10 dias |
| revisão | necessária |
PDF ou imagem
O documento ainda é uma página visual. O sistema precisa localizar regiões e ordem de leitura.
Regiões detectadas
Título, texto, tabela e rodapé recebem caixas e tipos. A ordem é indicada pelos números.
Texto reconhecido
DECISÃO ADMINISTRATIVA Considerando os dados do expediente...
O OCR produz texto; ele não comprova que o conteúdo está correto.
Linhas e colunas preservadas
Uma tabela pode ser exportada como estrutura, não apenas como texto corrido.
Saída estruturada para uso posterior
{
"texts": ["DECISÃO...", "Considerando..."]
"tables": ["prazo", "revisão"]
"body": ["title", "text", "table"]
}A estrutura pode seguir para Markdown, busca ou RAG, sempre com validação.
Comece pela entrada e avance uma etapa por vez.
Opcional: testar esta técnica em Python
Converter um documento com Docling
Instale: pip install docling. Use somente um arquivo de teste autorizado.
from docling.document_converter import DocumentConverter
arquivo = "documento-sintetico.pdf"
resultado = DocumentConverter().convert(arquivo)
print(resultado.document.export_to_markdown())Uso pedagógico: rode o exemplo com dados sintéticos, observe a saída e compare com o que a simulação visual mostrou.