Задание: Прикладной программист. Разработка инструмента для выгрузки спецификаций из PDF-проектной документации в Excel (Дистанционная работа)
Вот более коротко и живо: Привет! Есть задача: сделать инструмент, который из PDF с проектной документацией автоматически находит таблицы спецификаций и выгружает их в Excel Суть простая: пользователь загружает PDF по зданию, внутри могут быть планы, схемы, чертежи и разные таблицы. Нужно найти именно спецификации, вытащить данные и отдать готовую Excel-таблицу на скачивание. PDF может быть разный: с нормальным текстом, с битым текстовым слоем, без текста или как скан. Файлы могут быть большими - условно до 100 страниц и до 100 МБ. Мне важно не просто "попробовать OCR", а понять, как это нормально реализовать как рабочий инструмент. Напиши, пожалуйста, как бы ты подошёл к задаче: 1. Какая архитектура и стек? 2. Как будешь находить страницы со спецификациями? 3. Как будешь вытаскивать строки/колонки в Excel? 4. Какая ожидаемая точность и где могут быть ошибки? 5. Какие могут быть расходы на OCR/API/серверы? 6. Как будем обрабатывать большие PDF до 100 МБ? Если подход адекватный - дальше можно идти в прототип. Анти бот чек (2+2*2)*3? И самое главное - почему я должен выбрать тебя? Релевантный опыт / классные ответы на вопросы?
