Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Ceardlann: Eastóscadh Struchtúrtha

Ceacht 15 as 16 Nuashonraithe 28 Iúil 2026 Doicnéir
Ar an leathanach seo
  1. Cuspóir na Ceardlainne
  2. Aistriúchán 1: Eastóscadh JSON ó Théacs Saor
  3. Aistriúchán 2: Achoimriú Struchtúrtha Doiciméad
  4. Aistriúchán 3: Aistriúchán Teicniúil le Caomhnú Formáide
  5. Príomhphointí

Cuspóir na Ceardlainne

Cuireann an cheardlann seo le scil a tugadh isteach sa cheann roimhe: an t-eastóscadh struchtúrtha, rud a chiallaíonn téacs saor a chlaochlú ina shonraí inúsáidte ag clár. Déanann sé droichead idir an teanga nádúrtha agus do chórais faisnéise—déantar líne i do bhogearraí cuntasaíochta den fhactúir a fhaightear mar PDF, agus déantar iontráil deais den alt faireacháin. Déanfaidh tú cleachtadh ar thrí aistriúchán le samhlacha Mistral: eastóscadh JSON, achoimriú doiciméad i bhformáid éigeantach, agus aistriúchán teicniúil le caomhnú formáidithe. Déanfaidh tú athbhreithniú freisin ar dhá theicníc ón roinn paraiméadar: réamhlíonadh an chúntóra agus seichimh stad.

Aistriúchán 1: Eastóscadh JSON ó Théacs Saor

Cás tosaigh: uathoibríonn tú próiseáil na bhfactúir a fhaightear trí ríomhphost. Athraíonn an téacs ó sholáthraí go soláthraí, ach ní mór duit i gcónaí na réimsí céanna a eastóscadh. Glasálann an chóras-leide gach rud is féidir: JSON íon gan tráchtanna, null do réimsí in easnamh (ní “gan soláthar” ná teaghráin fholmha, ós rud é go seiceáilfidh do chód `is None*), méideanna mar uimhreacha gan siombailí airgeadra, dátaí in ISO 8601, CBL scartha ón méid réamhchánach. Cuireann gach ceann de na rialacha seo bac ar fhabht parsála síos an sruth.

messages = [
    {
        "role": "system",
        "content": """You are a data extractor specialized in accounting documents.
Strict rules:
- Return ONLY valid JSON, no comments or additional text
- If a field is not found, use null (not "not provided", not "")
- Amounts must be numbers (no euro symbol in the value)
- Dates in ISO 8601 format (YYYY-MM-DD)
- VAT must be extracted separately from the pre-tax amount"""
    },
    {
        "role": "user",
        "content": """Extract data from this invoice:

"FACTURE N° 2026-0847
Date : 15 mars 2026

De : CloudServ SAS
     42 rue de la Paix, 75002 Paris
     SIRET : 823 456 789 00012

À : TechCorp SARL
    12 avenue des Champs, 69001 Lyon

Désignation : Hébergement cloud - Pack Premium
Période : 01/03/2026 au 31/03/2026
Montant HT : 1 250,00 EUR
TVA 20% : 250,00 EUR
Total TTC : 1 500,00 EUR

Conditions de paiement : 30 jours fin de mois
IBAN : FR76 3000 4000 0500 0001 2345 678"

JSON Schema:
{
  "numero_facture": "string",
  "date_facture": "string (YYYY-MM-DD)",
  "fournisseur": {
    "nom": "string",
    "adresse": "string",
    "siret": "string"
  },
  "client": {
    "nom": "string",
    "adresse": "string"
  },
  "lignes": [
    {
      "designation": "string",
      "periode": "string",
      "montant_ht": "number"
    }
  ],
  "tva_taux": "number",
  "tva_montant": "number",
  "total_ttc": "number",
  "conditions_paiement": "string",
  "iban": "string"
}"""
    },
    {
        "role": "assistant",
        "content": "{"
    }
]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    temperature=0.0,
    stop=["\n}"]
)
# Reconstruct the JSON: "{" + response + "\n}"

Toradh ionchais:

{
  "numero_facture": "2026-0847",
  "date_facture": "2026-03-15",
  "fournisseur": {
    "nom": "CloudServ SAS",
    "adresse": "42 rue de la Paix, 75002 Paris",
    "siret": "823 456 789 00012"
  },
  "client": {
    "nom": "TechCorp SARL",
    "adresse": "12 avenue des Champs, 69001 Lyon"
  },
  "lignes": [
    {
      "designation": "Hébergement cloud - Pack Premium",
      "periode": "01/03/2026 au 31/03/2026",
      "montant_ht": 1250.00
    }
  ],
  "tva_taux": 20,
  "tva_montant": 250.00,
  "total_ttc": 1500.00,
  "conditions_paiement": "30 jours fin de mois",
  "iban": "FR76 3000 4000 0500 0001 2345 678"
}

Tabhair faoi deara an comhcheangal idir réamhlíonadh an chúntóra (an teachtaireacht "{") agus an seicheamh stad: cuireann an chéad cheann an tsamhail díreach isteach i JSON gan réamhrá ar nós “Seo iad na sonraí eastósctha:”, agus coscaíonn an dara ceann í ó leanúint ar aghaidh tar éis na lúibe dúnta. Déanann tú an JSON iomlán a athchruthú ar thaobh an chóid ansin.

Aistriúchán 2: Achoimriú Struchtúrtha Doiciméad

Dara cás: cothaíonn tú deis faireacháin inmheánaigh le hachoimrí de thuairiscí fada. Chun taispeáint aonfhoirmeach a chinntiú, ní mór gach achoimre leanúint go beacht an fhormáid chéanna—forfheidhmíonn an chóras-leide é seo, réimse ar réimse, le teorainneacha faid.

messages = [
    {
        "role": "system",
        "content": """You produce structured summaries for a monitoring dashboard.
Mandatory format for each summary:
{
  "titre_court": "max 60 characters",
  "resume": "max 3 sentences, factual, no opinion",
  "impact_business": "low | medium | high",
  "secteurs": ["list of affected sectors"],
  "action_requise": true/false,
  "action_detail": "description if action required, null otherwise"
}"""
    },
    {
        "role": "user",
        "content": """Summarize this article for our monitoring dashboard:

"L'Union européenne a adopté le 28 mars 2026 un nouveau règlement sur
l'intelligence artificielle (AI Act 2.0) qui renforce les obligations de
transparence pour les systèmes de génération de texte et d'images. Les
entreprises qui déploient des modèles de plus de 10 milliards de paramètres
devront désormais publier un rapport d'évaluation des risques trimestriel et
mettre en place un système de traçabilité des contenus générés. Les sanctions
pour non-conformité peuvent atteindre 6% du chiffre d'affaires mondial annuel.
Le règlement entre en vigueur le 1er janvier 2027, avec une période de
transition de 6 mois pour les entreprises déjà en activité. Les PME de moins
de 50 salariés bénéficient d'un régime allégé avec des obligations réduites
de reporting."

Return the structured JSON."""
    }
]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    temperature=0.1
)

Seo an rud ba chóir duit a fháil—achoimre fhíriciúil a dhéanann comhdhlúthú gan saobhadh, agus réimse gníomhaíochta a chlaochlaíonn faireachán ina chinneadh:

{
  "titre_court": "AI Act 2.0 : nouvelles obligations de transparence IA",
  "resume": "L'UE adopte un renforcement de l'AI Act imposant des rapports trimestriels pour les grands modèles. Les sanctions atteignent 6% du CA mondial. Entrée en vigueur le 1er janvier 2027 avec régime allégé pour les PME.",
  "impact_business": "élevé",
  "secteurs": ["intelligence artificielle", "technologie", "réglementation"],
  "action_requise": true,
  "action_detail": "Évaluer la conformité de nos modèles et planifier la mise en place du reporting trimestriel avant janvier 2027."
}

Téann an teocht anseo go 0.1 in ionad 0.0: éilíonn achoimre beagán solúbthachta sa chur i gcéill, murab ionann agus eastóscadh íon áit a dtagann gach luach ón téacs foinseach.

Aistriúchán 3: Aistriúchán Teicniúil le Caomhnú Formáide

Tríú cás: aistrigh doiciméadú teicniúil ón bhFraincis go dtí an Béarla agus caomhnaigh formáidiú Markdown agus téarmaí teicniúla díreach mar atá siad. Is ann atá gaiste an aistriúcháin theicniúil: aistríonn aistritheoir ró-thionscnaimh temperature mar “température” i sampla cóid, agus stopfaidh an doiciméadú de bheith ag teacht leis an API iarbhír. Is é an bealach timpeall ná liosta a dhéanamh go sainráite de na rudaí nach féidir a bheint.

messages = [
    {
        "role": "system",
        "content": """You are a technical translator from French to English.

Rules:
- Preserve Markdown formatting EXACTLY (headers, lists, code blocks)
- Do NOT translate terms in backticks
- Do NOT translate variable, function, or parameter names
- Code blocks remain identical (translate comments only)
- Adapt idiomatic expressions to the English technical context
- Use American English"""
    },
    {
        "role": "user",
        "content": """Translate this documentation passage:

## Configuration de l'API

Pour commencer, installez le package `mistralai` :

```bash
pip install mistralai

Authentification

Vous devez configurer votre clé API avant tout appel :

# Initialisation du client Mistral
client = Mistral(api_key="votre-clé")

Important : ne stockez jamais votre clé API en dur dans le code. Utilisez plutôt des variables d’environnement ou un gestionnaire de secrets.

Paramètres disponibles

  • temperature : contrôle la créativité (défaut : 0.7)
  • top_p : filtrage par probabilité cumulée (défaut : 1.0)
  • max_tokens : limite de tokens en sortie""" } ]

response = client.chat.complete( model=“mistral-large-latest”, messages=messages, temperature=0.2 )

Chun an toradh a bhailíochtú, seiceáil pointe ar phointe: caomhnaítear ceanntáscanna Markdown (`##`, `###`), fanann téarmaí i lúibíní cúlacha (`mistralai`, `temperature`, `top_p`, `max_tokens`) sa Bhéarla, tá blocanna cóid comhionann ach amháin an trácht aistríthe, caomhnaítear an téacs trom (`**Important**`), agus coinníonn liostaí a struchtúr. Léiríonn aon imeacht ar cheann de na pointí seo riail le neartú sa chóras-leide.

## Teicnící Casta don Eastóscadh

Rialach óir amháin a ritheann tríd an gceardlann seo: ná bíodh muinín dall agat as aschur na samhla riamh. Tar éis an eastóscadh, bailíochtaigh an JSON i gcónaí ar thaobh an chóid:

```python
import json

try:
    data = json.loads(response.choices[0].message.content)
    # Validate required fields
    required_fields = ["numero_facture", "date_facture", "total_ttc"]
    for field in required_fields:
        if field not in data or data[field] is None:
            print(f"Missing field: {field}")
except json.JSONDecodeError:
    print("Invalid response, retry with temperature=0")

Agus mura dtugann an tsamhail JSON bailí ar ais in ainneoin gach rud, lean cosán éalaithe:

  1. Bain triail arís le temperature=0.0
  2. Úsáid réamhlíonadh an chúntóra chun an fhormáid a fhorfheidhmiú
  3. Cuir sampla (aon-lámh) leis an aschur a bhfuiltear ag súil leis
  4. Mar rogha dheireanach, parsáil an freagra le regex chun an JSON a eastóscadh

Príomhphointí

  • Ráthaíonn réamhlíonadh an chúntóra agus seichimh stad JSON bailí
  • Soláthair an scéama JSON beacht i gcónaí sa leid
  • Teocht 0 don eastóscadh, 0.1-0.2 d’achoimrí
  • Bailíochtaigh an t-aschur go córasach ar thaobh an chóid
  • Maidir le haistriúchán teicniúil, déan liosta sainráite de na rudaí nach mór gan a aistriú