isir_text_dokumentu
Extract text from Czech insolvency register documents by downloading PDFs, reading text layers, OCRing scanned pages in Czech, unpacking attachments, and returning paginated JSON with page markers.
Instructions
Plný text dokumentu ISIR. Stáhne PDF (je-li třeba), vezme textovou vrstvu a stránky bez ní přečte OCR (Tesseract, čeština). U vedlejších dokumentů (PDF portfolio) vybalí přílohy a připojí i jejich text. Výstup je členěn značkami '----- strana N -----'. ocr: 'auto' (výchozí) | 'force' (OCR všech stran, např. při špatné textové vrstvě) | 'never'. Dlouhé texty: použijte strana_od/strana_do nebo offset (znaky) + max_znaku pro stránkování. Vrací JSON s metadaty (soubor, stran, zdroj textu, OCR stran, přílohy) a polem 'text'.
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| ocr | No | auto | |
| znovu | No | ||
| offset | No | ||
| max_znaku | No | ||
| strana_do | No | ||
| strana_od | No | ||
| dokument_id | Yes |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| result | Yes |