Разработка универсального AI решения для парсинга прайс-листов

Задача: Создание инструмента на базе искусственного интеллекта для извлечения данных из прайс-листов, размещённых в различных форматах (XLSX, HTML, PDF) и с разнообразной структурой таблиц.

Требования к решению:

- Язык: Python

- Сервис: Document AI, AWS Textract, Azure AI Document Intelligence

- Автоматический анализ структуры документа для определения таблиц и извлекаемых данных.

Вход:

Ссылка на файл (Google Drive) или прямой доступ к документу.

Пример ссылки на Excel: https://drive.google.com/file/d/1hXe2nw_NdrHuVIEZ6WFbH-GgR9NLdO1TDWqD9Ot7Yzk/view

Особенности:

Возможность настройки параметров парсинга для конкретной структуры таблицы.

Извлечение данных о апартаментах в формате JSON.

Обработка специфических условий (например, продано/доступно).

Прайс-листы будут различаться по структуре и формату. Решение должно предусматривать гибкость настройки для адаптации к разным типам таблиц и документов.

Итоговый формат данных должен быть одинаковый для всех источников данных.

Пример данных:

[

{

"suite": "101",

"type": "Condo",

"model": "A",

"total size (sq ft)": 1000,

"interior (sq ft)": 800,

"exterior (sq ft)": 200,

"view": "South",

"baths": 2,

"suite pricing": 1000000,

"floorplan": "https://example.com/floorplan-101",

"sold": false,

"bedrooms": 2

}

]

Срок: 1 неделя

Оплата: крипто, перевод на карту РФ