Foto vs PDF: quale si analizza meglio

La maggior parte degli scontrini arriva in una di due forme: un foglietto stampato che fotografi col telefono, o un PDF inviato per email da un commerciante online. I due formati sembrano simili, ma in un parser come Receipt Ripper prendono strade di codice completamente diverse.

I PDF si dividono in due campi

Alcuni PDF contengono uno strato di testo incorporato — i caratteri originali codificati come testo. Altri PDF sono essenzialmente fotografie in una busta PDF, senza strato di testo. I primi si analizzano quasi perfettamente; i secondi non sono migliori di una foto.

Si distinguono aprendo il PDF in qualsiasi lettore e provando a selezionare il testo col cursore. Se la selezione funziona, è un PDF con strato di testo.

Perché l'OCR delle foto perde precisione

• Distorsione prospettica. Fotografare in obliquo introduce trapezio che la correzione cerca di annullare, ma ogni trasformazione ammorbidisce leggermente.
• Variazione di illuminazione. La tua foto probabilmente ha un leggero gradiente.
• Qualità di stampa. La carta termica si sbiadisce; i nastri si intasano. I PDF generati da un sistema di fatturazione non hanno nessuno di questi problemi.
• Compressione. I JPEG del telefono sono fortemente lossy e si mangiano i dettagli fini del testo più piccolo.
• Danno fisico. Gli scontrini del mondo reale si sgualciscono. I PDF no.

Quando la differenza conta davvero

Per uno scontrino corto con testo grande — un parchimetro, un caffè — entrambi i formati si analizzano bene. Per un lungo scontrino di ristorante con venti righe in piccolo, la versione PDF è significativamente più accurata.

Per la dichiarazione dei redditi — dove ogni cifra conta — la versione PDF è quella da conservare quando esistono entrambe.

Alcuni scontrini esistono solo in un formato

In pratica, la scelta è spesso fatta per te. Gli scontrini cartacei di negozi fisici, ristoranti, taxi e parchimetri si possono solo fotografare. Le ricevute via email di Amazon, Uber, servizi fatturati da Stripe sono solo PDF.

Flussi pratici

• Gli scontrini cartacei vanno fotografati il giorno stesso, mentre la stampa è fresca.
• Le ricevute email vanno salvate come PDF appena arrivano.
• Tutto va in una cartella (Dropbox, iCloud, OneDrive). La cartella è il tuo batch per Receipt Ripper.
• Lancia il batch — Receipt Ripper accetta anche archivi ZIP.

Per foto pulite vedi come fotografare uno scontrino.