استخراج بيانات الفواتير هو تحويل ملفات PDF أو الصور إلى حقول محاسبية منظمة، لا مجرد نسخ النص الظاهر عبر OCR. تبدأ النتيجة القابلة للاستخدام بتحديد ما إذا كان كل صف يمثل فاتورة أم بنداً، ثم توحيد التواريخ والأرقام مع الحفاظ على أسماء الموردين وأوصافهم بالعربية، وإتاحة مراجعة القيم غير المؤكدة من مصدرها.
قد يقرأ OCR عبارة «إجمالي ضريبة القيمة المضافة» والرقم المجاور لها، لكنه لا يضمن وحده أن يصل الرقم إلى عمود الضريبة بدلاً من عمود الصافي أو الإجمالي. وينطبق الأمر نفسه على تاريخ الإصدار وتاريخ الاستحقاق، أو رقم الفاتورة والرقم الضريبي. القيمة المحاسبية لا تأتي من التعرف على الأحرف فقط، بل من ربط كل قيمة بمعناها ووضعها في العمود الصحيح باتساق عبر موردين ذوي قوالب مختلفة.
لهذا تتكون العملية من أربع طبقات: قراءة النص، وتعيين القيم إلى الحقول، وتحويلها إلى أنواع موحدة، ثم توجيه المراجع إلى القيم التي تستحق التحقق. فإذا وصل المبلغ إلى Excel كنص يحتوي فواصل غير متسقة، أو سُجل التاريخ كل مرة بصيغة مختلفة، فلن يصبح الملف صالحاً للجمع أو الفرز أو المطابقة لمجرد أن الكلمات قُرئت بصورة صحيحة.
النتيجة المطلوبة في الحسابات الدائنة هي جدول يمكن استخدامه في القيد والمطابقة والاستيراد، وتظل فيه كل قيمة قابلة للتتبع إلى الفاتورة الأصلية. هذه هي المسافة بين «نص تم التعرف عليه» وبيانات فواتير صالحة للعمل المالي.
اختر صفاً لكل فاتورة أو لكل بند قبل بدء الاستخراج
مستوى الصف هو أول قرار في تصميم الملف. إذا كان الغرض تسجيل الفواتير أو مطابقتها مع أوامر الشراء أو متابعة السداد، فعادةً يكفي صف واحد لكل فاتورة. يحمل الصف بيانات رأس المستند: المورد، رقم الفاتورة، التاريخ، المبالغ، العملة، ونوع المستند. أما تحليل الإنفاق والكميات والأسعار والضريبة على مستوى المنتج أو الخدمة فيحتاج إلى صف مستقل لكل بند.
في بنية البنود، تتكرر مع كل سطر الحقول التي تربطه بالفاتورة، وأهمها رقم الفاتورة واسم المورد والتاريخ والعملة ومرجع المصدر. ثم تضاف أعمدة وصف البند والكمية وسعر الوحدة وإجمالي السطر وضريبته. هذا التكرار مقصود؛ بدونه تصبح البنود صفوفاً معزولة يصعب تجميعها أو مطابقتها بالمستند الأصلي. ولتفصيل الحالات التي تتطلب هذا المستوى الأدق من التفصيل، راجع استخراج بنود الفواتير إلى صفوف منظمة.
يمكن أن يبدأ مخطط الفاتورة القابل لإعادة الاستخدام بهذه الحقول:
- اسم المورد كما ورد بالعربية
- رقم الفاتورة وتاريخ الإصدار
- الرقم الضريبي أو رقم تسجيل ضريبة القيمة المضافة
- صافي المبلغ والضريبة والإجمالي والعملة
- نوع المستند، مثل فاتورة أو إشعار دائن أو إشعار مدين
- اسم ملف المصدر ورقم الصفحة
إذا اختير صف لكل بند، تضاف حقول البند إلى هذه المجموعة بدلاً من إنشاء جدول منفصل بلا مفاتيح ربط. وينبغي تحديد قاعدة ثابتة للإشعارات الدائنة والمدينة، مثل تسجيل نوع المستند صراحةً وتمثيل المبالغ بعلامة متسقة، كي لا تظهر كفواتير عادية عند جمع الرصيد.
لا تعني شمولية المخطط إضافة كل معلومة موجودة على الورقة. كل عمود زائد يضيف عبئاً على المراجعة والاستيراد. المعيار الأفضل هو العمل اللاحق: الحقول اللازمة لقيد الحسابات الدائنة تختلف عن الحقول اللازمة لتحليل مشتريات الأصناف، ولذلك يسبق تصميم الجدول اختيار أداة الاستخراج.
صمّم حقولاً تتحمل العربية والإنجليزية واختلاف الأرقام
قد يجمع سطر واحد في الفاتورة الثنائية اللغة بين اسم مورد عربي من اليمين إلى اليسار، ورقم فاتورة لاتيني وعملة وقيمة عددية من اليسار إلى اليمين. اتجاه العرض لا يغير معنى الحقل، لكنه قد يغيّر موضعه البصري أو ترتيب علاماته عند نسخ النص. لذلك يجب أن يعتمد الاستخراج على دلالة العنوان والسياق، لا على افتراض أن «القيمة الثانية في أعلى اليمين» هي دائماً رقم الفاتورة.
وتظهر الأرقام بصيغ متعددة مثل ١٢٣ و۱۲۳ و123، وقد تختلف فواصل الآلاف والفواصل العشرية من مستند إلى آخر. ينطبق التباين أيضاً على التواريخ: قد يظهر اليوم قبل الشهر، أو يُكتب الشهر نصاً، أو تستخدم الفاتورة تقويماً أو صيغة محلية مختلفة. الاحتفاظ بالشكل المرئي وحده يجعل الفرز والجمع واكتشاف التكرار غير موثوق؛ المطلوب تحويل القيم إلى صيغة موحدة ونوع رقمي أو تاريخي صالح لـ Excel، مع الاحتفاظ بالنص الأصلي في عمود مستقل إذا كانت المراجعة أو سياسة الأرشفة تحتاج إليه.
أما اسم المورد والعنوان ووصف البند، فالأصل إبقاؤها بالعربية كما وردت. النقل إلى أحرف لاتينية قد يخلق تهجئات متعددة للجهة نفسها ويضعف المطابقة مع سجل الموردين، فضلاً عن فقدان دلالات في أسماء المنتجات أو الخدمات. يمكن إضافة نسخة موحّدة من الاسم عند وجود حاجة تشغيلية واضحة، لكنها لا تحل محل القيمة الأصلية.
ينبغي أن تضم عينة الاختبار مورّدين بتخطيطات مختلفة، وفواتير عربية خالصة وأخرى ثنائية اللغة، وصوراً أقل جودة، ومستندات متعددة الصفحات. هذه العينة تكشف هل تفهم القواعد معنى الحقول أم تعتمد على موضع ثابت نجح بالصدفة في قالب واحد. ولمن يحتاج إلى معالجة أعمق لطبقة التعرف نفسها، يتوفر دليل OCR للفواتير العربية باللغة الإنجليزية، بينما يظل الهدف هنا إنتاج جدول محاسبي متسق بعد التعرف على النص.
افصل بين ملفات الفواتير والسجلات الإلكترونية المنظمة
ليس كل ملف يحمل بيانات فاتورة مرشحاً لـ OCR. إذا أتاحت بوابة ضريبية أو منظومة المورد سجلاً منظماً بصيغة XML أو CSV أو عبر API، فالأفضل عادةً استخدام هذا المصدر مباشرة. فهو يحافظ على أسماء الحقول والعلاقات بين القيم ويجنب إعادة تفسير مستند صُمم للعرض البصري. يصبح الاستخراج مناسباً عندما لا يتوفر سوى PDF مصور أو صورة أو ملف مرئي لا يمكن استهلاك بياناته كبنية منظمة.
هذا الفرق مهم خصوصاً في السياق السعودي. وفق تعريف هيئة الزكاة والضريبة والجمارك للفاتورة الإلكترونية، الفاتورة الإلكترونية هي فاتورة تُصدر وتُحفظ بصيغة إلكترونية منظمة، بينما لا تُعد الفاتورة المكتوبة بخط اليد أو المصورة بالماسح الضوئي فاتورة إلكترونية. ومن ثم فإن استخراج رقم الفاتورة وتاريخها والرقم الضريبي والصافي والضريبة والإجمالي من صورة لا يحول الصورة إلى فاتورة إلكترونية، ولا يثبت امتثال المستند.
يمكن لفريق الحسابات استخدام البيانات المستخرجة للمراجعة أو المطابقة أو إعداد ملف إدخال، مع بقاء التحقق النظامي مهمة مستقلة. وتختلف الحقول الإلزامية والتفاصيل النظامية بحسب نوع الفاتورة والحالة؛ يقدم دليل متطلبات الفاتورة الضريبية في السعودية خلفية أوسع باللغة الإنجليزية، لكنه لا يستبدل الرجوع إلى المصادر الرسمية عند تقرير الامتثال.
ينطبق المبدأ نفسه خارج السعودية. إذا كان النظام المصري أو أي نظام ضريبي آخر يتيح تصدير السجلات الإلكترونية، فلا معنى لتحويل نسخة PDF منها إلى صورة ثم محاولة إعادة استخراج ما كان منظماً أصلاً. احتفظ بالاستخراج للملفات المرئية أو الممسوحة، واستخدم السجل المنظم عندما يكون هو المصدر المتاح والأوثق للبنية.
اختبر عينة ثم ثبّت قواعد الدفعة
ابدأ بعينة تمثل العمل الحقيقي، لا بأوضح ثلاث فواتير. يجب أن تتضمن العينة اختلاف الموردين واللغة وجودة المسح وعدد الصفحات، مع إشعار دائن أو مستند ذي بنود متى كانت هذه الحالات موجودة في الدفعة. ما يفشل في العينة يكشف قاعدة ناقصة بتكلفة محدودة؛ أما اكتشافه بعد معالجة مئات الملفات فيحوّل المراجعة إلى إعادة عمل.
يمكن تنظيم التنفيذ في خمس خطوات:
- حدّد هل الصف يمثل فاتورة أم بنداً، ثم اختر الأعمدة اللازمة للمهمة المحاسبية.
- اكتب قواعد الأسماء والتنسيق، مثل صيغة التاريخ وعدد المنازل العشرية والقيمة الافتراضية للحقل المفقود.
- حدّد معاملة أنواع المستندات والصفحات التي لا تنتمي إلى البيانات المطلوبة، مثل صفحة غلاف بريد إلكتروني.
- شغّل العينة وافحص اتساق الصفوف والأنواع عبر القوالب المختلفة، ثم عدّل القواعد قبل تشغيل الدفعة.
- افحص الملف الناتج قبل استيراده إلى النظام المحاسبي أو استخدامه في المطابقة.
في Invoice Data Extraction، تكون التعليمات النصية هي إعداد المهمة: يمكن للمستخدم تسمية الحقول، وتحديد صف لكل فاتورة أو لكل بند، وطلب تنسيق التاريخ والأرقام، ووضع قواعد للقيم الافتراضية وأنواع المستندات. على سبيل المثال، يمكن أن تطلب التعليمات رقم الفاتورة وتاريخها واسم المورد والصافي والضريبة والإجمالي، مع تصنيف الإشعار الدائن وإظهار مبالغه بإشارة سالبة. هذا النوع من الضبط هو ما يحول تحويل الفواتير إلى Excel من نسخ متفرق إلى عملية قابلة للتكرار.
تدعم الخدمة ملفات PDF وJPG وPNG العربية والثنائية اللغة، وتنتج XLSX أو CSV أو JSON. ويمكن للدفعة الواحدة أن تضم حتى 6000 ملف مختلط، بينما يصل ملف PDF المنفرد إلى 5000 صفحة. لا تلغي هذه السعة الحاجة إلى العينة؛ كلما اتسعت الدفعة زادت قيمة اختبار القواعد على الحالات التي تمثلها فعلاً.
بعد نجاح الاختبار، تُحفظ التعليمات لاستخدامها في الأعمال المتكررة. وإذا تغير غرض الملف، من تسجيل رؤوس الفواتير إلى تحليل البنود مثلاً، فالأصح إنشاء قواعد تناسب الغرض الجديد بدلاً من توسيع المخطط القديم حتى يصبح صعب المراجعة.
راجع القيم المؤثرة قبل الاستيراد أو المطابقة
لا تبدأ المراجعة بإعادة قراءة كل خلية. ابدأ بالفحوص التي تكشف خطأً ذا أثر مالي أو بنيوي: هل يساوي الصافي مع الضريبة الإجمالي؟ هل تظهر مبالغ الإشعارات الدائنة بالإشارة المتفق عليها؟ هل التواريخ والمعرفات الضريبية مكتملة وبالصيغة المطلوبة؟ وهل يطابق عدد الفواتير أو البنود المتوقع عدد الصفوف الناتجة؟ ثم افحص ثبات الأعمدة بين الموردين حتى لا ينتقل مبلغ الضريبة إلى عمود الإجمالي في قالب مختلف.
تستحق الصور الممسوحة منخفضة الجودة والتخطيطات الثنائية اللغة والأرقام الطويلة والقيم المالية الكبيرة أولوية أعلى. وجود اسم ملف المصدر ورقم الصفحة مع الصف يحول التحقق من بحث يدوي في مجلد كامل إلى رجوع مباشر إلى الموضع الذي جاءت منه القيمة. في Invoice Data Extraction، يتضمن كل صف مرجعاً إلى ملف المصدر والصفحة لهذا الغرض.
عندما لا تكون نتيجة محددة موثوقة بما يكفي، يمكن أن تظهر علامة Review Needed. لا تعني العلامة أن القيمة خاطئة، ولا تستبدلها بقيمة أخرى؛ إنها تحدد ما يحتاج إلى تحقق يدوي وتوضح ما ينبغي فحصه. تظهر التحذيرات في لوحة التحكم، ويمكن أن تظهر افتراضياً في عمود مخصص داخل التصدير، بحيث يركز المراجع على الاستثناءات بدلاً من إعادة إدخال الدفعة كلها.
بعد معالجة الاستثناءات، اختبر الملف كبيانات لا كصورة: اجمع أعمدة المبالغ، وافرز التواريخ، وأنشئ جدولاً محورياً بسيطاً حسب المورد، وابحث عن القيم النصية داخل الأعمدة الرقمية. تدعم مخرجات XLSX أنواع Excel الأصلية للأرقام والتواريخ، سواء استنتجها النظام أو حددتها التعليمات، ولذلك تكشف هذه الاختبارات سريعاً أي قيمة بقيت بتنسيق غير مناسب.
تكون العملية جاهزة للتكرار عندما يظل مستوى الصف وأسماء الأعمدة وأنواع البيانات وقواعد المستند ثابتاً عبر الدفعة، وتظهر الاستثناءات بوضوح، ويمكن إرجاع كل قيمة مؤثرة إلى ملفها وصفحتها قبل إدخال البيانات في النظام المحاسبي.
Extract invoice data to Excel with natural language prompts
Upload your invoices, describe what you need in plain language, and download clean, structured spreadsheets. No templates, no complex configuration.
Related Articles
Explore adjacent guides and reference articles on this topic.
Arabic Invoice OCR: Extract Data to Excel or JSON
Learn how Arabic invoice OCR should preserve RTL labels, Arabic numerals, VAT fields, and line-item tables when exporting invoices to Excel, CSV, or JSON.
Python OCR Library for Arabic Invoice Tables: Build vs Buy
Compare Python OCR libraries for Arabic invoice tables: RTL handling, Arabic numerals, table-grid reconstruction, and when a managed API is the safer route.
Rechnungsdaten aus PDF extrahieren: Felder, Excel, Tools
Praxisleitfaden für deutsche AP-Teams: Rechnungsdaten aus PDF und Scans nach Excel oder CSV bringen — Felder, KI-Extraktion, Quellenbezug, Tool-Test.