Ejemplos: lo que sale de verdad, también cuando falla
Cinco documentos inventados (factura, contrato, extracto, historia clínica y un escaneo torcido) pasados por el motor de Sırdaş sin retocar nada. Todo dato que parece personal es de relleno.
Motor 0.4.3 · generado el 2026-10-09 con scripts/gallery.mjs
Dónde falla
- El certificado escaneado no se clasifica: el OCR lee bien el texto, pero lo junta en un solo párrafo y el tipo queda sin reconocer (certificado sale segundo, con confianza 0).
- Los nombres sin etiqueta no se tapan: en el escaneo, «Sofía Ejemplo Prueba» aparece tal cual porque no va detrás de «Paciente:», «Titular:» o similar. La anonimización es por reglas; revisa siempre el resultado.
- En el Markdown, las tablas salen en una sola línea. Para tenerlas en filas y columnas, usa Tablas a CSV o PDF a Excel (arriba se ve lo que extraen).
- Del contrato salen el tipo, el canon y la duración, pero no las partes: arrendador y arrendatario no se extraen como campos.
Lo que arreglamos gracias a esta galería
- Los importes se tapaban como si fueran cédulas («Total a pagar: 1.445.500»).
- El número de cuenta de un extracto salía sin tapar.
- El nombre del médico tratante («Dra. …») salía sin tapar.
- Un nombre se tragaba la etiqueta siguiente («… Ficticio Cuenta»).
- El nombre tras «Cliente:» salía sin tapar.
- Un fallo antiguo al revisarlo: «Apoderado/a:» y las etiquetas con espacio, como «Nombre completo:» o «Médico tratante:», nunca habían tapado el nombre.
- El número de factura sin «No.» delante («de venta FE-0001») no salía como campo.
- El canon de un arriendo no contaba como valor del contrato, y el plazo escrito en letras y cifras («doce (12) meses») no salía.
El NIT del emisor de la factura sale en los campos a propósito: es un dato de empresa, no personal. En el texto sí se tapa.
factura
Ver el PDFTipo detectado: factura
- ✓ Texto extraído de 1 página(s).
- ✓ 1 tabla(s) encontrada(s).
- ✓ Es factura (coincidencia 1).
- ✓ 7 campo(s) extraído(s), cada uno con su página.
- ✓ 7 dato(s) personal(es) tapados con marcadores.
Campos
| numero_factura | FE-0001 |
|---|---|
| cufe | 0000aaaa1111bbbb2222cccc3333dddd4444eeee |
| nit_emisor | 000000001-1 |
| fecha_emision | 15/09/2026 |
| subtotal | 1.445.500 |
| iva | 0 |
| total | 1.445.500 |
Primera tabla
| Concepto | Cant | Valor |
|---|---|---|
| Consulta general | 1 | 80.000 |
| Examen de laboratorio | 3 | 245.500 |
| Ecografía abdominal | 1 | 1.120.000 |
Markdown anonimizado (lo que recibe un agente)
SINTÉTICO · documento inventado para la galería de Sirdas PDF ## Factura electrónica de venta FE-0001 Emisor: Empresa Ficticia S.A.S. [NIT_1] Cliente: [NOMBRE_1], C.C. [DOCUMENTO_1] Correo: [EMAIL_1] Teléfono: [TELEFONO_1] Fecha de emisión: [FECHA_1] Vence: [FECHA_2] CUFE: 0000aaaa1111bbbb2222cccc3333dddd4444eeee Concepto Cant Valor Consulta general 1 80.000 Examen de laboratorio 3 245.500 Ecografía abdominal 1 1.120.000 Subtotal: 1.445.500 IVA: 0 Total a pagar: 1.445.500
contrato
Ver el PDFTipo detectado: contrato
- ✓ Texto extraído de 1 página(s).
- ✓ Es contrato (coincidencia 1).
- ✓ 3 campo(s) extraído(s), cada uno con su página.
- ✓ 6 dato(s) personal(es) tapados con marcadores.
Campos
| tipo_contrato | arrendamiento de vivienda urbana |
|---|---|
| valor | 1.500.000 |
| plazo | doce (12) meses |
Markdown anonimizado (lo que recibe un agente)
SINTÉTICO · documento inventado para la galería de Sirdas PDF ## Contrato de arrendamiento de vivienda urbana Arrendador: [NOMBRE_1], C.C. [DOCUMENTO_1] Arrendatario: [NOMBRE_2], C.C. [DOCUMENTO_2] Inmueble: [DIRECCION_1], Bogotá Canon mensual: $ 1.500.000, pagadero los cinco primeros días de cada mes. Duración: doce (12) meses a partir del [FECHA_1]. Cláusula de datos: las partes autorizan el tratamiento de sus datos personales.
extracto
Ver el PDFTipo detectado: extracto_bancario
- ✓ Texto extraído de 1 página(s).
- ✓ 1 tabla(s) encontrada(s).
- ✓ Es extracto_bancario (coincidencia 1).
- ✓ 2 campo(s) extraído(s), cada uno con su página.
- ✓ 8 dato(s) personal(es) tapados con marcadores.
Campos
| periodo | 01/09/2026 |
|---|---|
| saldo_final | 1.862.550,00 |
Primera tabla
| Fecha | Descripción | Valor |
|---|---|---|
| 02/09/2026 | Pago nómina | 2.300.000,00 |
| 05/09/2026 | Compra supermercado | -187.450,00 |
| 09/09/2026 | Retiro cajero | -400.000,00 |
| 18/09/2026 | Transferencia recibida | 150.000,00 |
Markdown anonimizado (lo que recibe un agente)
SINTÉTICO · documento inventado para la galería de Sirdas PDF # Extracto de cuenta de ahorros Titular: [NOMBRE_1] Cuenta: [CUENTA_1] Periodo: [FECHA_1] - [FECHA_2] Fecha Descripción Valor [FECHA_3] Pago nómina 2.300.000,00 [FECHA_4] Compra supermercado -187.450,00 [FECHA_5] Retiro cajero -400.000,00 [FECHA_6] Transferencia recibida 150.000,00 Saldo final: 1.862.550,00
historia-clinica
Ver el PDFTipo detectado: historia_clinica
- ✓ Texto extraído de 1 página(s).
- ✓ Es historia_clinica (coincidencia 1).
- ✓ 4 campo(s) extraído(s), cada uno con su página.
- ✓ 5 dato(s) personal(es) tapados con marcadores.
Campos
| paciente | [NOMBRE_1] |
|---|---|
| documento_paciente | [DOCUMENTO_1] |
| fecha_atencion | 10/09/2026 |
| motivo_consulta | dolor abdominal de tres días de evolución. |
Markdown anonimizado (lo que recibe un agente)
SINTÉTICO · documento inventado para la galería de Sirdas PDF ## Historia clínica · Consulta externa Paciente: [NOMBRE_1] C.C. [DOCUMENTO_1] Historia clínica N.º [HISTORIA_CLINICA_1] Fecha: [FECHA_1] Motivo de consulta: dolor abdominal de tres días de evolución. Diagnóstico: gastritis aguda (K29.1). Plan: omeprazol 20 mg cada 24 horas por 14 días. Control en un mes. Médico tratante: Dra. [NOMBRE_2], registro 000000.
escaneo-torcido
Ver el PDFTipo detectado: no reconocido
- ✓ Escaneo: leído con OCR local (spa+eng).
- ✓ Tipo de documento no reconocido.
- ✓ 3 dato(s) personal(es) tapados con marcadores.
Markdown anonimizado (lo que recibe un agente)
Certificado laboral La empresa Ficticia S.A.S. certifica que Sofía Ejemplo Prueba, C.C. [DOCUMENTO_1], trabaja con nosotros desde el [FECHA_1] en el cargo de analista, con salario de $ 3.200.000 mensuales. Se expide en Bogotá el [FECHA_2].