【要約】PDF見積書の確認漏れを減らすチェック補助ツールの作り方 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
事務担当者がPDFの見積書をExcelへ転記する際、情報の見落としや転記ミスが発生している。業務における課題は以下の通りである。
- ・見積書ごとにレイアウトや表記が異なり、一律の処理が困難である。
- ・金額の転記ミスだけでなく、有効期限や備考欄の条件を見落とすリスクがある。
- ・完全自動化を追求すると、PDFの構造差分やOCRの誤読により、かえって確認コストが増大する。
// Approach
開発者は「100%の自動化」ではなく「確認箇所の最小化」を目的とした、人間を補助するツールを開発する。具体的な手法は以下の通りである。
- ・
pdfplumberを用いてテキストPDFから情報を抽出する。 - ・正規表現を用いて、見積番号、日付、合計金額、消費税などを特定する。
- ・抽出できなかった項目や、特定のキーワードを含む箇所を「要確認」としてExcelに明記する。
- ・まずはテキスト抽出による一覧化から開始し、段階的にOCRなどを導入する。
// Result
この手法を導入することで、人間が確認すべき項目が明確になり、作業のスピードと精度が向上する。期待される成果は以下の通りである。
- ・「未取得」を隠さない設計により、情報の欠落を即座に検知できる。
- ・全件を精査するのではなく、ツールが指摘した箇所に集中できる。
- ・どのPDFが読めるか、どの項目が不安定かといった業務の傾向を把握できる。
Senior Engineer Insight
> 実務における「自動化の罠」を回避した、極めて現実的な設計である。完全自動化は保守コストが膨大になる。本件のような「人間を介在させる半自動化」は、ROIが非常に高い。ただし、取引先が増えると正規表現の管理が困難になる。将来的にLLMへの移行を視野に入れた、拡張性のある設計を検討すべきである。