استخراج بيانات الفواتير بواسطة OCR: ما يمكن التقاطه

ما البيانات التي يمكن لـ OCR استخراجها من الفواتير؟ بنود الأسطر، الضرائب، العملات، النص متعدد اللغات — تفصيل كامل لقدرات استخراج بيانات الفواتير.

Yulia Lit

باحثة في علم نفس المستهلك والاقتصاد السلوكي

Mar 23, 2026

13 min read

تقنية تمويل شخصي نصائح مالية#استخراج بيانات الفواتير ocr#بند الفاتورة ocr#تنسيق الفاتورة ocr#التقاط الفواتير العربية لتطبيقات المصروفات ocr#فوائد التقاط الفواتير لفرق الموارد البشرية ocr#مسح الفواتير ocr

استخراج بيانات الفواتير بواسطة OCR: ما يمكن التقاطه فعلياً

تحتوي الفاتورة العادية من البقالة على 12–18 بند سطر — لكن معظم تطبيقات مسح الفواتير تستخرج المجموع فقط. هذه الفجوة بين ما توجد من بيانات على الفاتورة وما يلتقطه تطبيقك تحدد ما إذا كان بإمكانك تحليل إنفاقك بالتفصيل أم مجرد تأكيد ما يظهر بالفعل في كشف حسابك البنكي.

لقد تقدم استخراج بيانات الفواتير بواسطة OCR بشكل كبير منذ الأيام الأولى للمسح الكلي فقط. يمكن للمحركات الحديثة المدربة على ملايين أمثلة الفواتير الآن استخراج أكثر من 20 حقل بيانات مميز من فاتورة واحدة — من اسم التاجر وعنوانه إلى بنود الأسطر الفردية مع الكميات والأسعار الوحدوية والخصومات وتفصيل الضرائب.

لكن ليس كل محرك يستخرج نفس الحقول، وتتفاوت الدقة بشكل كبير عبر أنواع الفواتير واللغات ونقاط البيانات المحددة. يوضح هذا الدليل بالضبط ما يمكن لـ OCR الحديث استخراجه من الفواتير، وما زال يعاني فيه، وأي الحقول الأكثر أهمية لحالات الاستخدام المختلفة.

النقاط الرئيسية

يمكن لـ OCR الحديث للفواتير استخراج أكثر من 20 حقل بيانات مميز لكل فاتورة، بعيداً عن اسم التاجر والمجموع
استخراج بنود الأسطر (المنتجات الفردية مع الأسعار) هو الأكثر قيمة والأكثر تحدياً تقنياً
تتفاوت الدقة حسب نوع الحقل: اسم التاجر والمجموع 90–95% دقة؛ بنود الأسطر 80–92%
الفواتير متعددة اللغات (العربية، الصينية، اليابانية، الكورية) مدعومة من قبل المحركات الرئيسية لكن تتطلب نماذج متخصصة
لتتبع المصروفات الشخصية، بيانات بنود الأسطر تمكن تحليل الإنفاق على مستوى الفئات التي لا تستطيع بيانات المجموع فقط توفيرها
للاستخدام التجاري، الاستخراج الدقيق لتفصيل الضرائب وطرق الدفع وعناوين التجار يدعم مسك الدفاتر الآلي

خريطة حقول بيانات الفاتورة الكاملة

تحتوي الفاتورة القياسية على بيانات منظمة أكثر بكثير مما يدركه معظم الناس. إليك كل حقل بيانات يمكن لمحركات OCR الحديثة محاولة استخراجه:

Data Field Map

What Can OCR Extract From Your Receipt?

Tap each tier to see the data fields modern OCR engines can capture, with real-world accuracy rates.

Merchant Name93–98%

Store or restaurant name, typically the largest text at the top of the receipt.

Transaction Total95–98%

The final charged amount, usually the last prominent number before the payment line.

Transaction Date90–96%

Purchase date in various formats (DD/MM/YYYY, MM/DD/YYYY). Date format ambiguity is resolved by locale detection.

Payment Method91–95%

Card type (Visa, Mastercard), last four digits, cash/card distinction, contactless indicator.

المستوى 1: حقول عالية الدقة (معدل استخراج 90–98%)

يتم استخراج هذه الحقول بشكل موثوق من قبل جميع محركات OCR الرئيسية لأنها تظهر باستمرار عبر تنسيقات الفواتير ولها أنماط مميزة.

اسم التاجر

الدقة: 93–98% لماذا هو سهل: تظهر أسماء التجار عادة في أعلى الفاتورة بخط كبير وعريض — العنصر الأبرز على الصفحة. أين يفشل: فواتير من متاجر مستقلة بخطوط زخرفية، شعارات غير عادية مدمجة مع النص، أو فواتير حيث اسم التاجر مطبوع فقط كجزء من شعار رسومي (ليس كنص).

المجموع الإجمالي للصفقة

الدقة: 95–98% لماذا هو سهل: المجموع دائماً تقريباً آخر قيمة رقمية قبل سطر الدفع، يسبقه "TOTAL" أو "AMOUNT DUE" أو ما يعادلها باللغة. موقعه متوقع وتسميته مميزة. أين يفشل: فواتير ذات مجاميع متعددة (المجاميع الفرعية، مجاميع الضرائب، الرصيد المستحق، الباقي المعطى) حيث يجب على المحرك تحديد أيها هو المبلغ الفعلي المحصل. فواتير المطاعم التي تتضمن الإكرامية حيث يظهر كل من المجموع قبل الإكرامية وبعدها.

تاريخ الصفقة

الدقة: 90–96% لماذا هو سهل: التواريخ تتبع أنماطاً يمكن التعرف عليها (DD/MM/YYYY، MM/DD/YYYY، YYYY-MM-DD) وتظهر بالقرب من أعلى أو أسفل الفاتورة. أين يفشل: غموض تنسيق التاريخ (هل 03/04/2026 هو 4 مارس أم 3 أبريل؟)، فواتير ذات تواريخ متعددة (تاريخ الصفقة، تاريخ الطباعة، تاريخ الإرجاع)، وفواتير حيث التاريخ مطبوع جزئياً فقط أو مقطوع.

Information

في الولايات المتحدة، 03/04/2026 يعني 4 مارس. في معظم أنحاء العالم، يعني 3 أبريل. بدون معرفة بلد منشأ الفاتورة، يجب على محركات OCR استخدام أدلة سياقية: عنوان التاجر، رمز العملة، واللغة لتحديد التفسير الصحيح للتاريخ. تحل Yomio هذا باستخدام إعدادات اللغة المحلية للجهاز مع اكتشاف بلد التاجر.

طريقة الدفع

الدقة: 91–95% لماذا هو سهل: أسطر الدفع تتبع أنماطاً قياسية: "VISA ****1234"، "MASTERCARD ENDING 5678"، "CASH TENDERED". ما يتم استخراجه: نوع البطاقة (فيزا، ماستركارد، أميكس)، آخر أربعة أرقام، تمييز النقد/البطاقة، مؤشر الدفع بدون تلامس.

المستوى 2: حقول دقة متوسطة (معدل استخراج 80–92%)

تتطلب هذه الحقول تدريباً خاصاً بالفواتير لاستخراجها بشكل موثوق. أدوات OCR العامة عادة ما تفوتها أو تسيء تفسيرها.

بنود الأسطر (المنتجات الفردية)

الدقة: 80–92% (تتفاوت بشكل كبير حسب نوع الفاتورة) ما يتم استخراجه: اسم/وصف المنتج، الكمية، السعر الوحدوي، السعر الإجمالي لكل بند، الخصم المطبق.

استخراج بنود الأسطر هو أكثر فجوة قدرة قيمة بين المسح الأساسي والمتقدم للفواتير. ببيانات المجموع فقط، تعرف أنك أنفقت 86.40£ في تيسكو. ببيانات بنود الأسطر، تعرف أنك أنفقت 22.80£ على منتجات البروتين، 18.60£ على مستلزمات التنظيف، و8.40£ على زيت الزيتون الفاخر — مما يمكن التحليل على مستوى الفئات الذي يدفع الوعي بالإنفاق.

لماذا يصعب استخراج بنود الأسطر

1. تباين التخطيط: لا يوجد تاجران تنسيقان بنود الأسطر بشكل متطابق. تتفاوت أعمدة العرض والمحاذاة والتباعد وترتيب الحقول عبر آلاف أنظمة نقاط البيع:

التنسيق A (سوبرماركت بريطاني):
ORGANIC BANANAS        1.20
WHOLE MILK 2L          1.85

التنسيق B (بقالة أمريكية):
ORGANIC BANANAS    1   1.20  T
WHOLE MILK 2L      1   1.85

التنسيق C (أوروبي):
1x ORGANIC BANANAS     1,20€
1x WHOLE MILK 2L       1,85€

2. أسماء منتجات مختصرة: تقوم أنظمة POS باختصار أسماء المنتجات لتناسب عرض الفاتورة:

"ORG BN CHKN BRST" ← صدر دجاج عضوي بالعظم
"SC CRM CHSE 200G" ← جبنة كريمية طرية 200 غرام
"GF PASTA PENNE" ← باستا بيني خالية من الغلوتين

يتطلب حل هذه الاختصارات معرفة بقاعدة بيانات المنتجات أو نماذج لغة سياقية.

3. معدّلات الأسعار والخصومات: صفقات متعددة الشراء، خصومات الولاء، تسعير حسب الوزن، واستقطاعات القسائم تخلق هياكل أسعار معقدة:

CHICKEN BREAST 1KG    6.99
   2 FOR £10         -3.98
ROMAINE LETTUCE       0.89
   CLUBCARD PRICE    -0.30
DELI CHEESE 0.340kg
   @ £12.50/kg        4.25

4. بنود متعددة الأسطر: بعض البنود تمتد عبر أسطر طباعة متعددة، مع الوصف على سطر واحد والسعر/التفاصيل على السطر التالي:

PREMIUM COLOMBIAN
  SINGLE ORIGIN COFFEE
  250G WHOLE BEAN       5.49

المجموع الفرعي

الدقة: 88–94% ما يتم استخراجه: مجموع ما قبل الضريبة لجميع البنود. التحدي: تمييز المجموع الفرعي عن المجموع الكلي عندما يظهران معاً، خاصة عندما تستخدم الفاتورة تسميات غير قياسية مثل "GOODS TOTAL" أو "NET AMOUNT".

تفصيل الضريبة

الدقة: 85–92% ما يتم استخراجه: معدل(معدلات) الضريبة، مقدار(مقادير) الضريبة، نوع الضريبة (VAT، GST، ضريبة مبيعات)، بنود خاضعة للضريبة مقابل غير خاضعة. التحدي: فواتير ضريبة متعددة المعدلات (شائعة في أوروبا حيث الطعام يُضرب بمعدل مختلف عن السلع الأخرى) مع حسابات ضريبة منفصلة لكل معدل:

VAT A (21%)    GOODS: 15.40   TAX: 3.23
VAT B (9%)     GOODS:  4.80   TAX: 0.43
VAT C (0%)     GOODS:  2.30   TAX: 0.00

استخراج كل معدل بشكل صحيح مع مقاديره المرتبطة أصعب بكثير من استخراج رقم ضريبة إجمالي واحد.

Tip

المستقلون الذين يطالبون بمصروفات عمل يحتاجون تفصيل ضريبة دقيق لاسترداد VAT/GST على المشتريات المؤهلة. نظام مسح فواتير يستخرج فقط المجموع يجبر المستقل على حساب عنصر الضريبة يدوياً — أو تفويت ضريبة قابلة للاسترداد بالكامل. للدليل الكامل لسير عمل مصروفات المستقلين، راجع دليل تتبع مصروفات العمل.

المستوى 3: حقول متقدمة (معدل استخراج 70–85%)

يتم استخراج هذه الحقول فقط بواسطة محركات OCR متخصصة للفواتير وتتطلب تدريباً كبيراً على تنسيقات الفواتير.

عنوان التاجر

الدقة: 75–85% ما يتم استخراجه: عنوان الشارع، المدينة، الرمز البريدي، البلد. التحدي: تنسيقات العناوين تختلف حسب البلد وغالباً ما تكون مطبوعة بخط صغير مع اختصارات. العناوين متعددة الأسطر تتطلب من المحرك تجميع الأسطر المرتبطة بشكل صحيح.

معلومات الاتصال بالتاجر

الدقة: 70–80% ما يتم استخراجه: رقم الهاتف، الموقع الإلكتروني، البريد الإلكتروني. التحدي: هذه الحقول تظهر بشكل غير متناسق وفي مواضع متغيرة على الفواتير.

العملة

الدقة: 80–90% ما يتم استخراجه: رمز العملة (USD، GBP، EUR) أو علامة ($، £، €). التحدي: بعض الفواتير لا تطبع رمز العملة (بافتراض العملة المحلية)، مما يتطلب من المحرك استنتاج العملة من عنوان التاجر أو لغة الفاتورة. الفواتير متعددة العملات (شائعة في متاجر المطارات ومدن الحدود) تظهر كلتا العملتين وسعر الصرف المستخدم.

رقم الفاتورة / معرف الصفقة

الدقة: 75–85% ما يتم استخراجه: معرف الصفقة الفريد، رقم تسلسل الفاتورة. التحدي: هذه سلاسل ألفا رقمية طويلة تشبه رموزاً أخرى (معرفات المتجر، أرقام المسجل، أرقام تسجيل VAT).

مبلغ الإكرامية

الدقة: 82–90% (فواتير المطاعم فقط) ما يتم استخراجه: مبلغ الإكرامية، المجموع شامل الإكرامية. التحدي: الإكراميات المكتوبة بخط اليد على الفواتير المطبوعة تتطلب ICR (التعرف الذكي على الأحرف)، الذي لا تدعمه معظم المحركات. اقتراحات الإكرامية المحسوبة مسبقاً ("15%: $4.50، 18%: $5.40، 20%: $6.00") قد يتم الخلط بينها وبين اختيار الإكرامية الفعلي.

استخراج بيانات الفواتير متعددة اللغات

المسح العالمي للفواتير هو أحد أصعب تحديات OCR لأن الفواتير تجمع بين نص خاص باللغة وبيانات رقمية عالمية بتنسيقات تختلف حسب البلد والثقافة.

مسح الفواتير العربية

الفواتير العربية تقدم تحديات فريدة:

اتجاه النص من اليمين إلى اليسار لأسماء المنتجات والتسميات
الأرقام من اليسار إلى اليمين (الأرقام العربية أو الأرقام الهندية العربية) مختلطة ضمن أسطر RTL
محتوى عربي-إنجليزي مختلط (أسماء العلامات التجارية غالباً بالإنجليزية، الأوصاف بالعربية)
الكتابة المتصلة حيث تتغير أشكال الأحرف حسب موقعها في الكلمة

يقود Azure Document Intelligence حالياً في دقة الفواتير العربية، بدقة على مستوى الحقل تبلغ 85–88% على فواتير نقاط البيع العربية الحديثة. تدعم Yomio معالجة الفواتير العربية من خلال تكامل محرك Azure الخاص بها.

مسح الفواتير الصينية/اليابانية/الكورية

تضيف فواتير CJK:

أسماء منتجات قائمة على الأحرف بدون حدود كلمات (بدون مسافات بين الكلمات)
آلاف الأحرف الممكنة (مقابل 26 في الأبجدية اللاتينية)
أحرف متعددة العرض (أحرف CJK كاملة العرض بجانب أرقام نصف العرض وأحرف لاتينية)
نص عمودي في بعض تنسيقات الفواتير اليابانية التقليدية

دقة CJK الحديثة: 82–88% على مستوى الحقل، 75–85% على مستوى بنود الأسطر.

أوروبي متعدد اللغات

تستخدم الفواتير الأوروبية القارية:

الفاصلة كفاصل عشري (€13,63 وليس €13.63)
النقطة كفاصل آلاف (€1.300,00 وليس €1,300.00)
محتوى متعدد اللغات (أسماء منتجات باللغة المحلية، أسماء علامات تجارية بالإنجليزية)
تنسيقات IBAN وتسجيل VAT تختلف حسب البلد

تتعامل معظم محركات OCR السحابية مع التنسيقات الأوروبية بشكل جيد (88–93% دقة) لأن مجموعات بيانات تدريبها مرجحة بشكل كبير نحو التنسيقات الأوروبية والأمريكية.

Success

محرك OCR المخصص المدرب على الفواتير في Yomio يتعامل مع أكثر من 20 لغة لمعالجة الفواتير، بما في ذلك العربية والصينية والهندية واليابانية والكورية والروسية والأوكرانية. يجمع المحرك المعالجة المسبقة المتخصصة مع نماذج استخراج خاصة باللغة للتعامل مع الفواتير ذات النصوص المختلطة بدقة. ولهذا، دقة تعدد اللغات للفواتير في Yomio (88%) تتجاوز ما تحققه المحركات القياسية الجاهزة (82–85%).

ما لا يزال OCR لا يمكنه فعله بشكل موثوق

النص المكتوب بخط اليد

الملاحظات المكتوبة بخط اليد، التصحيحات اليدوية للأسعار، والفواتير المكتوبة بخط اليد هي خارج قدرة OCR القياسية. ICR (التعرف الذكي على الأحرف) موجود لكنه يحقق فقط 60–70% دقة على الكتابة اليدوية النموذجية — منخفض جداً للبيانات المالية الموثوقة.

الفواتير الحرارية الباهتة بشدة

الورق الحراري الأقدم من 6–12 شهراً قد يكون لديه تباين طباعة غير كافٍ لأي معالجة مسبقة لاستعادته. بمجرد أن يتحلل الطلاء الحراري تحت عتبة معينة، تكون المعلومات قد اختفت فعلياً — لا يمكن لأي برنامج استخراج نص لم يعد موجوداً على الورق.

صور الفواتير ذات الانسداد

الفواتير المغطاة جزئياً بالأصابع أو أشياء أخرى أو المطوية على نفسها تنتج بيانات غير كاملة. لا يمكن لمحركات OCR إعادة بناء النص المسدود. أفضل ممارسة: تأكد من أن الفاتورة كاملة مرئية وغير معاقة عند المسح.

البيانات الضمنية

يستخرج OCR ما هو مطبوع فقط. المعلومات الضمنية في السياق (أن متجراً معيناً يفرض دائماً ضريبة مبيعات على المواد غير الغذائية، أن رمز خصم جاء من برنامج ولاء معين) تتطلب منطق عمل خارج طبقة OCR.

أي الحقول تهم لحالة الاستخدام الخاصة بك

تتبع المصروفات الشخصية

حرجة: بنود الأسطر (لتحليل الفئات)، المجموع (لتتبع الميزانية)، اسم التاجر (لاتجاهات مستوى التاجر)، التاريخ مفيدة: الضريبة (لفهم الإنفاق قبل الضريبة)، طريقة الدفع (لتتبع أي البطاقات تستخدم وأين) غير مطلوبة: عنوان التاجر، رقم الفاتورة، معلومات الاتصال

أفضل تطبيقات مسح الفواتير للاستخدام الشخصي تفضل استخراج بنود الأسطر والتصنيف الآلي على استخراج الحقول الشامل.

استقطاعات ضريبية للمستقلين

حرجة: المجموع، تفصيل الضريبة (لاسترداد VAT/GST)، اسم التاجر، التاريخ، طريقة الدفع مفيدة: بنود الأسطر (لفصل البنود الشخصية والتجارية على الفواتير المختلطة)، عنوان التاجر (لتحليل المصروفات الجغرافي) غير مطلوبة: رقم الفاتورة (إلا إذا كان محاسبك يطلبه)

إدارة المصروفات المؤسسية

حرجة: المجموع، اسم التاجر، التاريخ، طريقة الدفع، العملة (للتسوية متعددة العملات) مفيدة: تفصيل الضريبة (للامتثال)، رقم الفاتورة (لمسارات التدقيق)، عنوان التاجر غير مطلوبة للأفراد: بنود الأسطر (سياسات المصروفات المؤسسية تهتم عادة بفئات التجار والمجاميع، وليس البنود الفردية)

فرق الموارد البشرية ومطالبات مصروفات الموظفين

استخراج بنود الأسطر يقدم فوائد محددة لإدارة مصروفات الموارد البشرية:

التحقق من الامتثال للسياسة: التحقق مما إذا كانت البنود المطالب بها تقع ضمن سياسة المصروفات (وجبات تحت $50، لا كحول، إلخ)
اكتشاف الاحتيال: تحديد الفواتير المكررة أو الفواتير ذات أنماط البنود غير العادية
تحليل الفئات: فهم أنماط المصروفات عبر الفرق والأقسام
توجيه الموافقة الآلي: بنود الأسطر تحت عتبات السياسة يمكن الموافقة عليها تلقائياً، بينما يتم وضع علامة على الاستثناءات

تعظيم جودة استخراج البيانات

الخطوة 1: مسح الفواتير الطازجة

أكثر إجراء ذو تأثير عالٍ لجودة الاستخراج هو مسح الفواتير خلال 24 ساعة. الورق الحراري الطازج يوفر أقصى تباين ووضوح للأحرف. كل يوم تأخير يقلل الدقة الفعلية.

الخطوة 2: التقاط صورة نظيفة

ضع الفاتورة مسطحة، تأكد من إضاءة متساوية، وقم بتأطير الفاتورة كاملة في رؤية الكاميرا. الصورة النظيفة تزيل تحديات المعالجة المسبقة وتسمح لمحرك OCR بالعمل على مساره الأكثر دقة.

الخطوة 3: التحقق من الحقول الحرجة

خصص 3 ثوان لتأكيد المجموع واسم التاجر بعد كل مسح. هذان الحقلان يثبتان كل التحليل اللاحق ويستحقان استثمار الوقت الأدنى.

الخطوة 4: استخدم تطبيقاً بدعم بنود الأسطر

معظم رؤى الإنفاق تتطلب بيانات على مستوى البند. إذا كان تطبيقك يلتقط المجاميع فقط، فأنت تلتقط أقل من 30% من البيانات القيمة على كل فاتورة. محرك Yomio المخصص لـ OCR يستخرج بنود الأسطر على 92% من الفواتير — أعلى نسبة بين تطبيقات مسح الفواتير الاستهلاكية.

الأسئلة الشائعة

ما هو أهم حقل بيانات يستخرجه OCR من الفواتير؟ للتمويل الشخصي: بنود الأسطر (المنتجات الفردية والأسعار). هذا هو الحقل الوحيد الذي يمكن تحليل الإنفاق على مستوى الفئات. لتقارير مصروفات العمل: المجموع والتاريخ هما الأكثر حرجية لسير عمل السداد.

هل يمكن لـ OCR استخراج بيانات من الفواتير المكتوبة بخط اليد؟ لا يستطيع OCR القياسي معالجة الكتابة اليدوية بشكل موثوق. ICR (التعرف الذكي على الأحرف) يتعامل معها بدقة 60–70% — منخفض جداً للبيانات المالية. الإدخال اليدوي يبقى الخيار الأكثر موثوقية للفواتير المكتوبة بخط اليد.

كيف يتعامل OCR مع الفواتير ذات اللغات المتعددة؟ المحركات الحديثة مثل Azure Document Intelligence تدعم أكثر من 80 لغة. تكتشف اللغة الأساسية وتطبق نموذج الأحرف المناسب. الفواتير متعددة اللغات (مثل أسماء منتجات عربية مع أسماء علامات تجارية إنجليزية) يتم التعامل معها عبر معالجة متعددة النماذج تتبدل بين نماذج اللغة ضمن مستند واحد.

ماذا يحدث عندما يستخرج OCR المجموع الخطأ؟ تطبيقات مسح الفواتير الجيدة تطبق التحقق الرياضي: بنود الأسطر المستخرجة يجب أن تجمع إلى المجموع الفرعي، والمجموع الفرعي + الضريبة يجب أن يساوي المجموع. عندما تفشل هذه التحققات، يضع التطبيق علامة على الفاتورة لمراجعة المستخدم. تعرض Yomio هذه التناقضات كموجه "اضغط للتصحيح"، بحيث يتم القبض على الأخطاء قبل أن تؤثر على تحليل إنفاقك.

هل يمكن لـ OCR استخراج البيانات من الفواتير الإلكترونية؟ نعم — بدقة أكبر من الفواتير الورقية. الفواتير الإلكترونية (HTML أو PDF) تحتوي على نص قابل للقراءة آلياً يمكن تحليله مباشرة دون OCR قائم على الصور. دقة استخراج البيانات المنظمة من الفواتير الرقمية تقترب من 98–99%.