导出你的数据

三种格式

Ztract 把抽取出来的数据导出成三种格式。挑一个你下游工具能原生读的就行。

JSON

结构化的那种。JSON 完整保留 schema 的形状 —— 嵌套对象、对象数组、字符串数组 —— 完全按引擎返回的样子。下面这些场景适合用 JSON：

• 你要通过脚本或工作流把数据灌进另一个系统。
• 你的下游工具原生读 JSON（大多数现代应用都行）。
• 你在意嵌套结构（合同上的当事人、供应商协议里的付款条款、带逐行税额的明细行）。

CSV

铺平的那种。CSV 的标量字段是一份文档一行，存在明细行的时候会单独导出一份 CSV。 下面这些场景适合用 CSV：

• 你要把数据导入数据库、BI 工具，或者任何要求扁平表的地方。
• 你在命令行工具里干活（awk / cut / csvkit）。
• 你想要一种在任何电子表格里都能正常打开、不用折腾分隔符的格式。

嵌套字段会用点号路径拍平（例如 parties_involved.party_1_name）。

Excel

电子表格那种。当你的 schema 里有数组时，Excel 导出会用多个 sheet —— 文档级标量 字段一个 sheet，每个数组一个 sheet（明细行、交易记录等等）。表头是可读的文字。 下面这些场景适合用 Excel：

• 接收方是非技术用户，会直接打开文件。
• 你要在转交之前把抽取出的数据和公式拼一拼。

从哪里导出

打开一个项目，切到 解析数据 标签，点 导出。选格式，按需要按解析日期范围 筛一下，确认就行。导出是项目级的 —— 文件里包含该项目下所有匹配你日期筛选条件的 已解析文档。

导出是怎么产生的

导出是后台任务，不是直接下载。点了 导出 之后，任务会出现在项目的 导出记录 标签里，状态有三种：

• 排队中 —— 等着 worker 接走。
• 处理中 —— 文件正在构建。
• 就绪 —— 完成；点一下就能下载。

Dashboard 会自动轮询队列，你不用刷新。小项目通常几秒就好；几千份文档的项目可能 要几分钟。你可以关掉 dashboard 过会儿再回来 —— 文件会一直在那儿，直到你删除 项目。

每种格式里会有什么

• JSON：一个文档对象数组，每个对象都和 schema 匹配 —— 嵌套对象、对象数组、 字符串数组都原样保留。
• CSV：扁平结构，每份已解析文档一行（在按页模式下是每个已解析页一行）。 嵌套字段用点号路径表示。
• Excel：一个工作簿，和 CSV 一样的扁平结构，已经排版好可以直接打开。

每一次导出都会用上你最新的改动 —— 如果你在并排查看器里改过某个值，导出会 自动用改正后的值（改正以叠加层的形式存在原始抽取结果之上；不会重新触发引擎跑）。

审核和导出的循环

一个常见的循环：

1. 第一遍抽取（引擎）。
2. 抽查带置信度标记的字段，按需改正。
3. 跑一次导出，用上文件。
4. 发现漏了一个值？改正它。重新导出。免费 —— 重跑引擎要扣页数，但新的导出任务 不要钱。

API 导出

通过 HTTP API 进行程序化导出还在路线图上。现在所有导出都通过 dashboard 完成。 如果 API 是你的卡点，希望上线后第一时间收到通知，给我们发邮件： [support@ztract.com](mailto:support@ztract.com?subject=API early access)。