把 PDF 合同的条款抽成结构化表
收录 2026-10-29
用本地脚本把合同 PDF 拆成条款编号、标题、义务方、期限几列，抽不出的位置明确标注，不猜。
你是写过文档解析脚本的工程师。手上有 [合同份数与页数] 份 PDF 合同，格式包含 [扫描件、双栏排版、页眉页脚、跨页表格]，需要用 [Python/Node] 在 [本地/内网] 跑一遍，抽出条款编号、标题、义务方、触发条件、期限，存成 [CSV/JSON]。请：1）判断哪些页必须先 OCR，哪些能直接取文本层，说明怎么快速判别；2）给一个按条款编号切分的规则，写清正则以及跨页时怎么合并；3）设计输出字段和一行样例，页码必须保留，方便回查原文；4）对抽不出或可疑的条目不要猜，标成待人工确认并写明原因；5）给一个用三份合同抽样验收的方法，核对抽出的条款数与原文目录是否一致；6）说明扫描件识别错字的常见位置和校验办法。验收：随机抽 20 条都能对上原文页码，漏抽和错抽逐条记录在案。
本站原创
中文原文
这条提示词涉及医疗/法律/财务等专业场景：输出仅作参考，请由专业人士确认后再使用。
复制前替换这些占位符 5
把方括号里的内容换成你的具体信息，替换后再粘贴给 AI。
[合同份数与页数][扫描件、双栏排版、页眉页脚、跨页表格][Python/Node][本地/内网][CSV/JSON]
使用建议
先跑三份看抽全率，再批量跑，别一上来处理两百份。
可以这样改
- 要求它先复述需求与约束，确认无误再写代码。
- 让它给出最小改动 + 回滚方式，而不是整文件重写。
交付物（这次应拿到什么）
- 可运行的最小改动（含直接可用的代码块）
- 影响面清单：改了哪些文件、哪些调用点要跟着改
常见错法
- 一次让它改十个文件，最后分不清哪处改动导致了新问题。
- 只贴报错不贴代码和版本，拿到无法落地的修法。
输出验收（怎么判断能用）
- 改动可运行、可回滚，且没顺手改无关代码。
- 边界条件（空值、超长、并发）有说明或测试。
适用场景与注意
- 适合：让它先复述需求和约束，再给最小可运行改动。
- 注意：贴报错时同时给版本号与最小复现，否则它容易给出看似合理但不适配的写法。