Extract Text from Binary
Extract Text from Binary lee archivos y extrae su texto. Le das un documento tal y como llega (un adjunto de correo, un archivo subido, un fichero descargado de una carpeta en la nube) y te devuelve su contenido en texto, listo para que un agente lo lea, lo resuma o busque información en él.
Funciona con los formatos de oficina más habituales: PDF, Word (DOC y DOCX), PowerPoint (PPTX), Excel (XLS, XLSX y XLSB), hojas y documentos de OpenDocument (ODS y ODT), CSV, Markdown, texto plano y archivos ZIP. En las imágenes reconoce el texto escrito en ellas (en español e inglés).
Cuándo usarlo
- Leer las facturas en PDF que llegan por correo para extraer después importes y fechas.
- Pasar a texto los contratos o presupuestos que tus clientes suben a una carpeta compartida.
- Convertir una hoja de Excel en texto para que un agente responda preguntas sobre ella.
- Leer el texto de fotos de tickets o documentos escaneados.
Configuración
| Campo | Qué hace |
|---|---|
| Binary (obligatorio) | El archivo o los archivos de los que quieres sacar el texto. Conecta aquí el archivo que llega de otro componente. |
Este componente admite Batch Mode, para procesar una lista de archivos, y también puede usarse como herramienta de un agente. Consulta Conceptos clave.
Resultado
La salida Data devuelve el texto extraído. Según el tipo de documento, un archivo puede dar uno o varios resultados (por ejemplo, partes o páginas de un documento largo).
Si un archivo no tiene texto que extraer o su formato no se reconoce, no genera resultado y el resto de archivos se procesa igualmente.
Puedes conectar el resultado a un agente, a Entities extraction, a Summarizer o a cualquier componente que trabaje con texto.
Ejemplo
El departamento de compras recibe presupuestos de proveedores por correo.
- Conecta los adjuntos del correo a Binary.
- Envía el texto extraído a un agente con la instrucción “Indica el proveedor, el importe total y la fecha de validez”.
- Guarda la respuesta en una hoja de cálculo para comparar ofertas.
Buenas prácticas
- Con imágenes, usa fotos nítidas y bien iluminadas: el reconocimiento de texto depende de la calidad.
- Si solo necesitas reconocer texto en imágenes, Easy OCR te da más control sobre los idiomas.