דילוג לתוכן
OCR-AI
פתיחת מסמך
לכל המאמרים

להעביר נתוני מסמכים למערכות אחרות: Excel, CSV ו-JSON

חילצתם נתונים ממסמך. עכשיו צריך שהם יגיעו לתוכנת הנהלת החשבונות, ל-CRM או לגיליון. מה כל פורמט טוב בשבילו, ואיפה נופלים בעברית.

פורסם 25 בספטמבר 2025עודכן 6 בנובמבר 20263 דק׳ קריאה

בקצרה

בוחרים פורמט לפי היעד: Excel לאנשים שבודקים ומחשבים, CSV למערכות שמייבאות קובץ, ו-JSON למפתחים שצריכים את כל המבנה. OCR-AI מייצא את שלושתם, וה-API ושרת ה-MCP שלו מחזירים את אותו JSON, עם עמודים חינם להתחלה, כך שתהליך אוטומטי יכול לקרוא מסמכים בלי דפדפן.

חילצתם נתונים ממסמך: ספק, תאריך, סכומים, טבלת שורות. עכשיו הם צריכים להגיע למקום שבו עובדים איתם: גיליון, תוכנת הנהלת חשבונות, CRM או מערכת פנימית. לכל יעד מתאים פורמט אחר, ובעברית לכל פורמט יש מלכודת משלו.

איזה פורמט לאיזה יעד

פורמטמתאים ללא מתאים ל
Excelאנשים: לבדוק, לסנן, לחשבייבוא אוטומטי למערכת
CSVייבוא למערכות שמקבלות קובץמסמך עם כמה טבלאות שונות
JSONמפתחים ומערכות: כל המבנה, כולל מיקומיםקריאה בעין
טקסטחיפוש, ארכיון, הדבקה במסמךנתונים שצריך לחשב איתם

Excel

הקובץ שנוצר מכיל גיליון שדות, גיליון לכל טבלה וגיליון לטקסט המלא. במסמך בעברית, הגיליונות נפתחים מימין לשמאל. תאריכים נשמרים כתאריכים אמיתיים, כך שאפשר למיין ולסנן לפיהם, וסכומים נשמרים כמספרים, כך שנוסחאות עובדות בלי המרה. בגיליון השדות יש עמודה שמסמנת אילו ערכים דרשו בדיקה.

CSV

CSV הוא הפורמט שרוב המערכות יודעות לייבא, והוא גם המקום שבו עברית נשברת הכי הרבה:

  • קידוד. קובץ CSV בעברית שנפתח באקסל כג׳יבריש נשמר בלי סימן שמזהה אותו כ-UTF-8. הקבצים שלנו כוללים את הסימן הזה (BOM), ולכן נפתחים בעברית.
  • נוסחאות. תא שמתחיל ב-= או ב-+ עלול לרוץ כנוסחה כשהקובץ נפתח בגיליון. בקבצים שלנו תא כזה מקבל גרש בהתחלה, והערך נשאר טקסט.
  • פסיקים בתוך ערכים. כתובת כמו "הרצל 5, תל אביב" נעטפת במירכאות, כך שהיא נשארת בתא אחד.

קובץ ה-CSV של השדות כולל מפתח קבוע לכל שדה (למשל vendor_tax_id או total), את שם השדה, את הערך כפי שנכתב, את הערך המנורמל, וסימון לבדיקה. במערכת היעד כדאי למפות לפי המפתח, ולא לפי השם, כי המפתח לא משתנה בין שפות.

JSON

קובץ ה-JSON מכיל את כל התוצאה, עמוד אחר עמוד:

מפתחמה יש בו
document_typeסוג המסמך, למשל invoice
languageשפת המסמך
summaryתקציר במשפט
fieldsהשדות: מפתח, שם, ערך, ערך מנורמל, סוג, מיקום בעמוד, סימון לבדיקה
tablesהטבלאות: כותרת, עמודות ושורות
textהטקסט המלא

הערכים המנורמלים הם החלק הכי שימושי למערכות: תאריכים בפורמט YYYY-MM-DD, וסכומים כמספר עשרוני בלי סימן מטבע ובלי פסיקים. כך "05/03/2026" לא יתפרש כמאי בשלישי, ו-"1,234.50 ₪" לא ייכשל בייבוא.

איפה נופלים בעברית

  • תאריכים. 05/03 הוא 5 במרץ בישראל ו-3 במאי בארה״ב. השתמשו בערך המנורמל.
  • סכומים. סימן ₪, פסיקי אלפים ומינוס בצד הלא נכון שוברים ייבוא. גם כאן, הערך המנורמל פותר את זה.
  • כיוון טקסט. כשמדביקים טקסט עברי עם מספרים במערכת שלא תומכת בכיווניות, הסדר עלול להתהפך. בדקו את התוצאה במערכת היעד.

ו-API?

יש. REST API ושרת MCP קוראים את אותם מסמכים ומחזירים את אותו JSON, עם עמודים חינם להתחלה: מפתח API, והתיעוד המלא. לחיבור ישיר בנפח גבוה, כתבו לנו ונשמח לשמוע מה אתם צריכים.

שאלות ותשובות

יש API לחילוץ נתונים ממסמכים?

כן: REST API ושרת MCP לסוכני AI. שניהם קוראים PDF ותמונות ומחזירים את אותו JSON כמו באתר: סוג המסמך, שדות, טבלאות וטקסט מלא. המפתח הראשון מגיע עם 100 עמודים חינם, ואחר כך קונים חבילות עמודים חד-פעמיות. מפתח מקבלים בעמוד הסוכנים, והתיעוד המלא נמצא בעמוד התיעוד.

מה יש בפלט ה-JSON?

לכל עמוד: document_type, השפה, סיכום במשפט אחד, השדות (מפתח, שם, ערך, ערך מנורמל, סוג, מיקום בעמוד וסימון לבדיקה), הטבלאות עם העמודות והשורות, והטקסט המלא. הערכים המנורמלים שומרים תאריכים כ-YYYY-MM-DD וסכומים כמספר עשרוני פשוט.

למה קובץ CSV בעברית נפתח באקסל כג׳יבריש?

הוא נשמר בלי הסימן שאומר לאקסל שהקובץ ב-UTF-8 (BOM). בקובצי ה-CSV שלנו הסימן הזה קיים, ולכן הם נפתחים בעברית. אם אתם בונים CSV בעצמכם, הוסיפו BOM, או ייבאו את הקובץ דרך ייבוא הנתונים של אקסל ובחרו UTF-8.

סוכני AI יכולים לקרוא מסמכים עם OCR-AI?

כן, דרך שרת ה-MCP: הסוכן קורא ל-read_document עם קובץ ומקבל את ה-JSON, ל-check_balance כדי לדעת כמה עמודים נשארו, ול-buy_pages כדי לקבל קישור תשלום שהוא מעביר למשתמש כשהעמודים נגמרים.

עוד מהבלוג