парсинг

что это

парсинг — превращение «текста для людей» в «данные для систем». страница конкурента с ценами, входящие счета в почте, резюме соискателей — человек это читает глазами и вносит руками, парсер делает то же автоматически. аналогия: стажёр, которого посадили переписывать цены с сайтов в эксельку — только не увольняется через неделю.

классический парсинг ломок: сайт поменял вёрстку — парсер ослеп. ии-парсинг устойчивее: модель понимает содержимое, а не запоминает, где какая колонка стояла. поэтому старые задачи «вытащить данные из чего угодно» — счетов в разных форматах, писем в свободной форме — сейчас решаются сильно лучше, чем три года назад.

зачем это бизнесу

типовые применения: мониторинг цен конкурентов, сбор заявок из писем в crm, разбор входящих документов — счета, накладные, акты — в учётную систему. эффект меряется просто: часы ручного перебивания данных в месяц. две границы честности. первая — юридическая: парсить чужие сайты можно не всегда, персональные данные — отдельная история, и это стоит проговорить до, а не после. вторая — точность: ии-парсинг документов даёт условные 95–99% точности, не 100 (оценка, зависит от качества документов). на потоке счетов это значит, что ошибки будут, и нужен процесс проверки — сверка сумм, человек на нестандартных случаях.

о чём спросить подрядчика

• «что будет с ошибками распознавания — как их ловим?» — правильный ответ содержит валидацию: сверка итогов, флаг «не уверен» с отправкой человеку. ответ «модель точная» означает, что ошибки поедут в учёт молча.
• «переживёт ли парсер изменение формата источника?» — сайты меняют вёрстку, поставщики меняют шаблоны счетов. узнайте заранее, что в этом случае: само адаптируется, правка за час или новый мини-проект.