> ## Documentation Index
> Fetch the complete documentation index at: https://docs.camtomx.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Extraccion automatica documentos comercio exterior

> Flujo tecnico de CamtomDocs: validacion, esquema JSON, OCR automatico y extraccion de datos de facturas, pedimentos y packing lists.

CamtomDocs procesa documentos en tres etapas: validación del archivo, aplicación de un esquema de extracción, y extracción de datos estructurados. Cuando subes un documento, el sistema primero valida que el formato y tamaño sean compatibles. Luego, puedes proporcionar un JSON Schema Draft 7 que describe exactamente los campos que necesitas, o dejar que el sistema infiera uno automáticamente a partir de una descripción. Finalmente, el sistema selecciona automáticamente el procesamiento más adecuado según las características del documento y devuelve los datos extraídos como JSON estructurado. Todo este proceso ocurre en segundos para la mayoría de los documentos.

## Flujo de procesamiento

<Steps>
  <Step title="Subida y validación del archivo">
    Envías el documento a través de la API o la interfaz web. CamtomDocs valida:

    * Que el formato sea soportado (PDF, imágenes, Excel, XML)
    * Que el archivo no exceda las 300 páginas
    * Que el archivo sea legible y no esté corrupto

    Si la validación falla, recibes un mensaje de error descriptivo antes de consumir créditos.
  </Step>

  <Step title="Esquema de extracción">
    En este paso defines qué datos quieres extraer:

    * **Con JSON Schema**: Proporcionas un JSON Schema Draft 7 que define los campos a extraer. El schema soporta validación completa de tipos: string, number, integer, boolean, array y object.
    * **Sin JSON Schema**: Si no envías un schema, el sistema puede inferir uno automáticamente a partir de una descripción del documento.
  </Step>

  <Step title="Preprocesamiento del documento">
    Según el tipo de archivo, el sistema aplica diferentes técnicas:

    * **PDFs escaneados e imágenes**: OCR automático para convertir el contenido visual a texto
    * **PDFs nativos**: Extracción directa del texto embebido
    * **Excel (XLSX, XLS, ODS)**: Lectura estructurada de celdas y columnas
    * **XML**: Parseo directo de la estructura del documento
  </Step>

  <Step title="Procesamiento inteligente">
    El sistema adapta automáticamente su procesamiento según las características del documento:

    * Para **PDFs digitales extensos**, activa un procesamiento avanzado que analiza el documento sección por sección con capacidades especializadas para tablas complejas.
    * Para el **resto de documentos** (PDFs cortos, imágenes, Excel, XML), aplica extracción basada en el JSON Schema que proporcionaste.

    Esta selección es automática y transparente.
  </Step>

  <Step title="Extracción de datos">
    El sistema procesa el documento y extrae los datos según el esquema. El resultado es un objeto JSON estructurado con los campos solicitados.
  </Step>

  <Step title="Entrega de resultados">
    Recibes el JSON con los datos extraídos, listo para integrar en tus sistemas, alimentar otros productos de Camtom o exportar.
  </Step>
</Steps>

## El proceso de extracción

CamtomDocs adapta automáticamente su procesamiento según las características de tu documento para obtener la máxima precisión.

### Extracción basada en esquema

Para la mayoría de documentos, la extracción se basa en el JSON Schema Draft 7 que proporcionas. Tú defines qué campos necesitas y la IA los busca en el documento.

Por ejemplo, para extraer datos de una factura:

```json theme={null}
{
  "type": "object",
  "properties": {
    "numero_factura": { "type": "string" },
    "fecha": { "type": "string", "format": "date" },
    "emisor": {
      "type": "object",
      "properties": {
        "nombre": { "type": "string" },
        "rfc": { "type": "string" }
      }
    },
    "total": { "type": "number" },
    "moneda": { "type": "string" },
    "items": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "descripcion": { "type": "string" },
          "cantidad": { "type": "number" },
          "precio_unitario": { "type": "number" }
        }
      }
    }
  }
}
```

La IA interpreta este esquema y busca en el documento los valores correspondientes a cada campo. Si la extracción de un array se trunca, el sistema reintenta automáticamente para obtener todos los datos.

### Procesamiento avanzado para documentos extensos

Para PDFs digitales extensos, CamtomDocs activa automáticamente un procesamiento avanzado que:

* Analiza el documento sección por sección para mayor precisión
* Detecta y procesa tablas complejas, incluyendo tablas que abarcan múltiples páginas
* Combina los resultados parciales en un único JSON de salida, eliminando duplicados y manteniendo el orden correcto
* Valida los datos extraídos contra tu JSON Schema para asegurar completitud

## Procesamiento por tipo de archivo

Cada formato de archivo se procesa de manera diferente para obtener los mejores resultados:

<AccordionGroup>
  <Accordion title="PDF">
    Los PDFs son el formato más común en documentos de comercio exterior. CamtomDocs distingue entre:

    * **PDFs nativos** (generados digitalmente): El texto se extrae directamente, lo que produce resultados más rápidos y precisos. Los PDFs extensos activan automáticamente un procesamiento avanzado sección por sección.
    * **PDFs escaneados**: Se aplica OCR automático para convertir la imagen a texto antes de la extracción.

    Para mejores resultados, usa PDFs nativos siempre que sea posible.
  </Accordion>

  <Accordion title="Imágenes (JPEG, PNG, TIFF, BMP, GIF, WebP)">
    Las imágenes se procesan con OCR automático y luego se extraen los datos según tu esquema. Se recomienda una resolución mínima de 300 DPI para documentos escaneados.
  </Accordion>

  <Accordion title="Excel (XLSX, XLS, ODS)">
    Los archivos de hoja de cálculo se procesan manteniendo la estructura tabular. Se soportan los formatos Excel moderno (.xlsx), Excel clásico (.xls) y OpenDocument (.ods).
  </Accordion>

  <Accordion title="XML">
    Los archivos XML (comunes en CFDI y complementos de comercio exterior) se parsean directamente aprovechando su estructura. Este formato típicamente produce los resultados más precisos porque la estructura de datos es explícita.
  </Accordion>
</AccordionGroup>

## Consumo de créditos

<Note>
  El consumo de créditos se calcula según la operación:

  * **Extracción de documentos**: 0.5 créditos por página procesada. Un documento de 4 páginas cuesta 2 créditos.
  * **Generación de schema**: 1.0 crédito fijo.
  * **Generación de Excel schema**: 1.0 crédito fijo.

  Los créditos solo se consumen cuando la extracción se ejecuta exitosamente; si la validación falla, no se cobran créditos.
</Note>

## Siguiente paso

<CardGroup cols={2}>
  <Card title="Documentos soportados" icon="file-lines" href="/learn/camtomdocs/supported-documents">
    Consulta todos los tipos de documentos y formatos compatibles.
  </Card>

  <Card title="Mejores prácticas" icon="star" href="/learn/camtomdocs/best-practices">
    Aprende a optimizar tus extracciones para obtener los mejores resultados.
  </Card>
</CardGroup>