duck.ai提供五种表格数据提取方法：一、键值对语义提取；二、duckdb清洗导出；三、api批量字段对齐；四、ocr预处理图像pdf；五、示例驱动定制规则。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您正面对大量非结构化文本（如PDF、Word或扫描件），却需要从中快速获取表格形式的结构化数据，则可能受限于格式混乱、单元格合并、上下文缺失等问题。以下是利用Duck.ai实现高效表格数据提取的具体操作路径：
一、使用Duck.ai内置文本解析器直接提取键值对
Duck.ai支持将自然语言描述自动映射为预定义字段，适用于合同、登记表等含明确语义标签的文本。该方法不依赖视觉布局，而是通过语义理解定位关键信息。
1、在Duck.ai界面中点击“新建提取任务”，选择“Key-Value Extraction”模式。
2、粘贴待处理文本，或上传包含文本内容的PDF/DOCX文件。
3、在字段配置区手动输入期望提取的字段名，例如：甲方、乙方、签约金额、签订日期。
4、点击“运行提取”，系统将返回JSON格式结果，每个字段对应其在原文中最可能匹配的值。
二、结合DuckDB执行后处理清洗与结构化输出
当Duck.ai初步提取结果存在冗余、错位或类型错误时，可导出为CSV或Parquet格式，并交由DuckDB进行高性能清洗与重组织。DuckDB原生支持SQL查询与列式计算，适合快速完成去重、类型转换、行列转置等操作。
1、将Duck.ai导出的CSV文件命名为raw_output.csv并保存至本地工作目录。
2、启动DuckDB CLI，执行：.read_csv 'raw_output.csv' AS t。
3、运行清洗语句：SELECT DISTINCT TRIM(甲方) AS party_a, CAST(REPLACE(签约金额,'万元','') AS DOUBLE) * 10000 AS amount_cny FROM t WHERE 甲方 IS NOT NULL;
4、将清洗后结果导出为标准表格：COPY (上述查询) TO 'cleaned_table.xlsx' (FORMAT 'excel');
三、调用Duck.ai API批量处理多文档并按模板对齐字段
针对上百份格式相近但字段位置不一致的文档（如不同银行的贷款申请表），可通过API方式注入统一Schema约束，强制所有文档输出字段对齐，避免人工校验错位风险。
1、在Duck.ai开发者控制台创建新API密钥，并记录Endpoint地址。
2、准备JSON请求体，其中schema字段明确定义目标结构：{"borrower_name":"string","loan_purpose":"string","approved_amount":"number"}。
3、使用curl命令逐个提交PDF Base64编码内容：curl -X POST [endpoint] -H "Authorization: Bearer [key]" -d @request.json。
4、接收响应后，用Python脚本将全部返回的JSON合并为Pandas DataFrame，并导出为单个Excel文件。
四、嵌入OCR预处理流程以支持图像型PDF
对于扫描生成的PDF或截图类文档，Duck.ai默认文本层不可用，需前置OCR识别。Duck.ai已集成Tesseract兼容接口，可自动触发文字识别并保留原始坐标信息，为后续表格结构还原提供基础。
1、上传PDF前，在设置中启用Enable OCR for image-based PDFs选项。
2、选择OCR语言包，推荐使用Chinese (Simplied) + English双语模型以覆盖中英文混排场景。
3、等待OCR完成提示后，系统自动进入结构分析阶段，识别出疑似表格区域及行列边界。
4、在可视化校验界面中，手动拖拽调整误识别的单元格分隔线，确认后触发最终提取。
五、利用Duck.ai的“示例驱动学习”功能定制私有提取规则
当标准模型无法准确识别特定行业术语或特殊缩写（如“SOP-023”、“FY25Q3”）时，可通过提供少量标注样例训练轻量级适配模型，无需代码即可提升领域准确率。
1、进入Duck.ai“Custom Models”页面，点击“Create New Template”。
2、上传3–5份典型文档，并在每份文档中标注至少两个字段实例，例如圈选“项目编号”所在位置并输入值“PRJ-2026-007”。
3、保存模板后，在新任务中选择该模板作为提取引擎。
4、系统将基于标注样本自动泛化规则，对后续同类文档执行一致化字段定位与抽取。
