Extraction des lignes
La lecture de chaque ligne d'un reçu ou d'une facture sous forme de données : description, quantité, prix unitaire, montant et taxe.
En bref
- L'extraction de l'en-tête donne le commerçant, la date et le total ; celle des lignes dit ce qui a vraiment été acheté.
- C'est plus difficile que lire un total, car les mises en page, les abréviations et les retours à la ligne varient à l'infini.
- Une bonne extraction s'additionne : si les lignes ne donnent pas le total, il manque quelque chose.
L'extraction des lignes est l'étape qui transforme le corps d'un reçu ou d'une facture en rangées de données. Chaque rangée contient une description, une quantité, un prix unitaire, un montant et, quand le document l'indique, un code de taxe. Elle suit généralement la reconnaissance optique de caractères, qui a transformé l'image en texte.
Plus difficile qu'il n'y paraît
Les totaux se trouvent à des endroits prévisibles et portent une étiquette. Les lignes, non. Les descriptions sont abrégées (« WRAP PLT CSR »), les longues descriptions débordent sur une deuxième ligne, les quantités apparaissent avant ou après le nom, et les rabais figurent sur des lignes négatives distinctes qui appartiennent à l'article du dessus. L'extracteur doit décider quels fragments forment un même article, et c'est là que la plupart des erreurs se produisent.
Vérifier le résultat
Le test le plus utile est arithmétique. Les lignes extraites, plus les taxes, moins les rabais, doivent égaler le total imprimé. Sinon, le document doit être signalé pour révision plutôt que comptabilisé.
Les données de lignes rendent possibles les politiques par article, la ventilation du codage et les taxes par ligne. Sans elles, un système sait seulement qu'une somme a été dépensée, pas à quoi.
Exemple chiffré
Un reçu de quincaillerie
| Description | Qté | Montant |
|---|---|---|
| Vis à terrasse 2,5 po | 2 | 25,98 $ |
| Teinture extérieure 3,7 L | 1 | 54,99 $ |
| Ensemble de pinceaux | 1 | 12,49 $ |
Sous-total 93,46 $, TVH 12,15 $, total 105,61 $. Les lignes extraites donnent le total imprimé : le reçu peut être codé sans que personne l'ouvre.