Itext 如何设置Textricator PDF OCR阅读器的FSM配置？

我正在尝试使用名为的PDF文档解析器。它可以使用3种不同的方法来解析带有一些常见OCR库的PDF。（itext5、itext7、pdfbox）可用的方法有：

文本

、

表格

和

表格

。文本用于普通原始OCR识别，表格用于读取结构化表格数据，表格用于解析非结构化表格，使用有限状态机（FSM）

但是，我不能使用表单解析器。也许我只是不明白如何组织许多配置状态。文档中缺少一个简单的表单示例，最近有人使用

form

方法发布了一个表单示例，但未能发布。我也试了一下，但没有成功

问：有人能帮我在YML文件中配置状态机吗？
（这用于解析该回购协议发行的一个演示文件，如下面复制的屏幕截图所示。）

---

---

YML配置文件

提取器：“pdf.pdfbox”
标题：
默认值：100
页脚：
默认值：600
最大行距：2
rootRecordType:项
记录类型：
项目：
标签：“项目”
值类型：
-项目
-日期
-描述
-订单号
-数量
-价格
值类型：
项目：
标签：“项目”
日期：
标签：“日期”
说明：
标签：“说明”
订单号：
标签：“订单号”
数量：
标签：“数量”
价格：
标签：“价格”
初始状态：“INIT”
国家：
初始化：
过渡：
-
条件：项目
下一状态：项目
项目：
startRecord：是的
过渡：
-
条件：日期
下一状态：日期
日期：
包括：正确
过渡：
-
条件：描述
下一状态：描述
说明：
包括：正确
过渡：
-
条件：描述
下一状态：描述
-
条件：订单号
下一状态：订单号
-
条件：数量
下一状态：数量
订单号：
包括：正确
过渡：
-
条件：订单号
下一状态：订单号
-
条件：数量
下一状态：数量
数量：
包括：正确
过渡：
-
条件：价格
下一状态：价格
价格：
包括：正确
过渡：
-
条件:完
下一状态：结束
完:
包括：假
过渡：
-
条件：任何
下一状态：结束
条件：
项目：'73#order_number:'12由于Textricator是pdf解析imo的一块隐藏宝石，我很高兴看到有人在使用它，并在github上发布了一个使用示例文档的配置：

extractor: "pdf.pdfbox"

header:
  default: 100
footer:
  default: 600

maxRowDistance: 2

rootRecordType: item
recordTypes:
  item:
    label: "item"
    valueTypes:
      - item
      - date
      - description
      - order_number
      - quantity
      - price

valueTypes:
  item:
    label: "Item"
  date:
    label: "Date"
  description:
    label: "Description"
  order_number:
    label: "OrderNo"
  quantity:
    label: "Qty"
  price:
    label: "Price"

initialState: "INIT"

states:
  INIT:
    include: false
    transitions:
      -
        condition: item
        nextState: item
      - condition: any
        nextState: INIT

  item:
    startRecord: true
    transitions:
      -
        condition: date
        nextState: date  

  date:
    include: true
    transitions:
      -
        condition: description
        nextState: description  

  description:
    include: true
    transitions:
      -
        condition: description
        nextState: description     
      -
        condition: order_number
        nextState: order_number
      -
        condition: quantity
        nextState: quantity
      -
        condition: item
        nextState: item

  order_number:
    include: true
    transitions:
      -
        condition: order_number
        nextState: order_number
      -
        condition: quantity
        nextState: quantity

  quantity:
    include: true
    transitions:
      - 
        condition: price
        nextState: price

  price:
    include: true
    transitions:
      -
        condition: end
        nextState: end
      - 
        condition: description
        nextState: description
      -
        condition: item
        nextState: item

  end:
    include: false
    transitions:
      -
        condition: any
        nextState: end

conditions:

  item:         '73 < ulx < 110 and text =~ /(\\d)*/'
  date:         '110 < ulx < 181 and text =~ /([0-9\\-]*)/'
  description:  '193 < ulx < 366'
  order_number: '12 <= uly_rel <= 16 and text =~ /^.+(([0-9]{6})\\-)(([0-9]{2}))/'
  quantity:     '393 < ulx < 459'
  price:        '459 < ulx < 523'

  end:          'text =~ /(Footer)/'
  any: "1 = 1"

提取器：“pdf.pdfbox”
标题：
默认值：100
页脚：
默认值：600
最大行距：2
rootRecordType:项
记录类型：
项目：
标签：“项目”
值类型：
-项目
-日期
-描述
-订单号
-数量
-价格
值类型：
项目：
标签：“项目”
日期：
标签：“日期”
说明：
标签：“说明”
订单号：
标签：“订单号”
数量：
标签：“数量”
价格：
标签：“价格”
初始状态：“INIT”
国家：
初始化：
包括：假
过渡：
-
条件：项目
下一状态：项目
-条件：任何
nextState:INIT
项目：
startRecord：是的
过渡：
-
条件：日期
下一状态：日期
日期：
包括：正确
过渡：
-
条件：描述
下一状态：描述
说明：
包括：正确
过渡：
-
条件：描述
下一状态：描述
-
条件：订单号
下一状态：订单号
-
条件：数量
下一状态：数量
-
条件：项目
下一状态：项目
订单号：
包括：正确
过渡：
-
条件：订单号
下一状态：订单号
-
条件：数量
下一状态：数量
数量：
包括：正确
过渡：
- 
条件：价格
下一状态：价格
价格：
包括：正确
过渡：
-
条件:完
下一状态：结束
- 
条件：描述
下一状态：描述
-
条件：项目
下一状态：项目
完:
包括：假
过渡：
-
条件：任何
下一状态：结束
条件：
项目：'73订单号：'12太好了！SW author还在recordTypes下添加了
filter:'quantity>0'
（缩进4个空格）和valueTypes的quantity下添加了
type:number
。