Cómo evitar duplicados en un flujo OCR
Uso práctico de SHA-256, idempotencia y revisión para no procesar dos veces el mismo documento.
Respuesta directa
Calcula una huella SHA-256 del archivo antes de iniciar el análisis y úsala como clave idempotente. Marca el duplicado y enlázalo con el original; no borres automáticamente, porque dos archivos distintos pueden representar la misma operación.
¿Para quién es?
Equipos que reciben reenvíos, adjuntos repetidos o cargas concurrentes.
Entradas
- Bytes exactos del archivo y metadatos de recepción.
- Política de duplicados y clave de correlación de negocio.
Salidas esperadas
- Hash SHA-256, estado y enlace al primer procesamiento.
- Cola de revisión para posibles duplicados semánticos.
Flujo operativo paso a paso
- Calcula SHA-256 sobre los bytes recibidos, antes de transformarlos.
- Busca el hash en un índice con restricción única.
- Si existe, responde como duplicado y enlaza al resultado previo.
- Si no existe, registra estado pendiente y procesa una sola vez.
- Compara referencias, fechas y partes para detectar duplicados no idénticos.
Limitaciones y seguridad
- SHA-256 detecta igualdad de bytes, no igualdad de contenido.
- Cambiar metadatos o comprimir puede producir otro hash.
- Protege el índice y evita usar el hash como único control de autorización.
Guías relacionadas
Preguntas frecuentes
¿El OCR sustituye la revisión humana?
No. El resultado debe revisarse antes de incorporarlo a un sistema o documento operativo, especialmente cuando hay importes, matrículas o datos fiscales.
¿Qué ocurre con documentos ilegibles?
La calidad, orientación y resolución afectan a la extracción. Un documento ilegible debe marcarse para revisión o volver a capturarse; no conviene rellenar valores por inferencia.
¿Puedo usar cualquier documento?
El flujo documentado contempla documentos logísticos como PDF, XLSX, EML e imágenes, sujeto al formato y a las condiciones del servicio.
¿Se pueden eliminar los duplicados?
La deduplicación documentada usa una huella SHA-256 del archivo para detectar reenvíos idénticos. No demuestra que dos documentos distintos representen la misma operación.
¿Dónde consulto el acceso?
La documentación pública de Cargoffer OCR está en docs.ocr.cargoffer.com. El acceso y la autenticación deben configurarse según esa documentación.
Siguiente paso
Consulta la documentación pública de Cargoffer OCR para confirmar el flujo disponible y sus requisitos antes de integrarlo.