# PDFデータ抽出の確認ワークシート

OpenMax編集ワークシート · 2026年9月4日改訂。選択した文書ごとにコピーしてください。要件定義と確認を助ける資料であり、検証済みの製品連携でも、アップロード・支払い・書き込みの許可でもありません。未承認サービスへ機密資料を入れないでください。9セクションに45個の記入項目があります。不明な事実は未解決と明示します。

## 1. 受領ファイルとアクセス

- 選択した原本または管理された参照：
- 受領時刻、タイムゾーン、バイト数、実際のハッシュ：
- 許可された利用者、用途、保持規則：
- 承認された受け入れ／解析環境と制限：
- 派生ファイルと原本への関連：

ハッシュはバイト列を識別し、発行者や真正性を証明しません。OCR版・マスキング版と原本を分けます。

## 2. 文書種別と選択版

- 対応する文書種別と予定出力：
- 文書の業務キーと、別途行う発行者確認：
- 選択した版とその根拠：
- 修正、差し替え、除外した版：
- 分類の不確実性、確認担当者、解決結果：

根拠を記録せずに、新しい表紙と古い明細を組み合わせないでください。

## 3. ページ一覧

- PDFの実ページ数と想定セクション：
- 0始まりのインデックスと印刷ページ番号の対応：
- 続きの案内と添付資料の関係：
- 欠落、重複、回転、切り抜きのあるページ：
- ページの完全性の判断と未解決理由：

抽出文字列が空でも白紙とは限りません。教材PDFのインデックス2には最後の商品と総額が画像で入っています。

## 4. 抽出方法

- 必要なページ／領域のテキスト・画像・混在の分類：
- 選択したパーサー／OCR／手動の経路と正確な版：
- 確認済み入力言語、サイズ制約、前提：
- 読み順、可視文字と隠れたテキスト層の矛盾：
- 抽出失敗の扱いと許可された代替手段：

実際に使った方法を記録します。予定のOCR呼び出しを、実施済みテストと書かないでください。

## 5. 項目の根拠と位置

- 各項目の原ページと見えている原値：
- 項目枠／多角形、単位、原点、座標規則：
- レンダリング寸法、回転、切り抜き変換：
- ページをまたぐ商品行と列の対応：
- 表外の関連見出し、単位、脚注：

実際の抽出位置と、教材で作者が配置した矩形を区別します。枠の強調表示だけでは正しい項目の証明になりません。

## 6. 型と正規化

- スキーマ版、項目名、型、値の数の制約：
- 日付／数値の地域形式と原資料の宣言：
- 原値、正規化候補、変換内容：
- 欠落、判読不能、not_set、不適用の状態：
- 型／形式の矛盾と必要な確認：

識別子の文字を保持します。演習ではQ-00742は文字列、03/04/2026はDD/MM/YYYY、未設定配送日はnull/not_setです。

## 7. 項目間の検証

- 文書が裏付ける計算と関係の検証：
- 正確な十進数演算と丸め規則：
- 入力項目への参照と再計算結果：
- 差額、影響項目、許容差の根拠：
- 原資料を黙って上書きしない解決の証拠：

演習では300 + 300 + 240 = 840、840 + 168 = 1008 EUR。候補100.80との差は−907.20 EURです。税額は架空の教材上の仮定です。

## 8. 重複候補と確認シグナル

- 同一バイト列の重複結果とファイル参照：
- 業務キー／版による重複候補：
- 信頼度、その出所、項目別の確認規則：
- 調査が必要な構造異常。詐欺とは断定しない：
- 確認優先度、担当者、未回答の質問：

信頼度は測定精度ではありません。メタデータの異常だけでは詐欺の証拠になりません。

## 9. レコード承認と出力先

- 受け入れ／訂正／拒否した項目、確認者、理由：
- レコード全体の承認判断と未解決の阻害要因：
- 許可された出力先、項目対応、下書き／本番の境界：
- 既存レコード確認、再試行の識別、書き込み結果：
- 訂正経路と以前の承認版への関連：

項目受け入れ、レコード承認、書き込み権限は別々です。演習では9/10が入力済み、6/10が一致しても、4つの重要な誤りがあるため利用不可です。このファイルは本番アクセスを許可しません。

## 確認結果

文書と版：______。確認者：______。確認日時：______。未達要件：______。次に許可された操作：______。

影響の大きい用途では、適切なセキュリティ、プライバシー、法務、財務担当者の確認を受けてください。本ワークシートは安全認証、真正性確認、取引先承認、支払い承認ではありません。