Leia um Endereço de Entrega Chinês
e Número de Telefone de uma Captura de Tela do WeChat

Como é a aparência de uma mensagem de endereço do WeChat

Um endereço de entrega chinês típico enviado em uma conversa do WeChat segue uma hierarquia do maior para o menor: a maior unidade geográfica vem primeiro, a menor por último, seguidas pelo nome do destinatário e número de telefone. Uma mensagem completa tem esta aparência:

Nessa única string, um leitor humano identifica instantaneamente seis pontos de dados distintos: a província (省), a cidade (市), o distrito (区), a rua e o edifício (路/号/楼/室), o nome do destinatário (收件人姓名) e o número de telefone (手机号). O endereço é estruturado — o formato de endereço chinês é um dos sistemas postais mais consistentemente hierárquicos do mundo — mas essa estrutura vive inteiramente no significado das palavras, não em qualquer separação visual. Não há quebras de linha, divisores de coluna ou campos de formulário. Apenas um bloco contínuo de caracteres chineses e dígitos.

O endereço é perfeitamente estruturado. Só não parece estruturado. E esse é exatamente o tipo de entrada que o OCR tradicional lida pior.

O mesmo formato se repete em todos os cenários de pedido do WeChat. Um cliente comprando roupas de um vendedor do WeChat (微商) envia seu endereço em uma mensagem. Um comprador daigou confirma seus dados de envio da mesma forma. Um fornecedor de restaurante recebendo instruções de entrega pelo WeChat obtém o mesmo tipo de texto — da província ao número de telefone, tudo em um bloco. O conteúdo é idêntico independentemente de quem o enviou: hierarquia geográfica + nome + telefone, tudo concatenado em uma única string que um humano analisa em meio segundo e uma máquina lê erroneamente como um único bloco de texto indiferenciado.

O Problema da Hierarquia — Por Que uma String Simples Não é um Endereço

A dificuldade não está em reconhecer caracteres chineses. O OCR moderno lê chinês impresso com alta precisão — a tecnologia de reconhecimento de caracteres é confiável há anos. O problema é que um endereço chinês não é uma sequência de caracteres; é uma hierarquia expressa como uma sequência de caracteres. O OCR tradicional trata a string inteira como uma única linha de texto. Ele gera "浙江省杭州市西湖区文三路478号华星科技大厦12楼1208室 王芳 13812345678" como um único campo — uma string contínua sem segmentação semântica.

O problema se agrava quando os endereços não estão perfeitamente formatados. Um cliente pode omitir a província ao pedir de um vendedor na mesma província: "杭州市西湖区文三路478号" sem "浙江省" no início. Outro pode incluir apenas a cidade e o distrito: "深圳南山科技南路18号" — pulando a província e usando uma abreviação conhecida para o distrito. Alguns endereços omitem o nome do edifício e fornecem apenas o número da rua e um ponto de referência próximo. O OCR tradicional não tem como normalizar essas variações porque não sabe que está lidando com um endereço.

O número de telefone, que parece a parte mais fácil de separar, tem suas próprias armadilhas dentro do bloco de endereço. Um número de celular chinês tem 11 dígitos começando com 1 — um padrão claro isoladamente. Mas quando está no final de uma string de endereço que também contém números de edifícios (como "12楼" ou "1208室"), uma ferramenta que extrai ingenuamente todas as sequências de dígitos pode pegar "478" (número do edifício), "12" (andar), "1208" (sala) e "13812345678" (o telefone real). Ela não tem como saber qual grupo de dígitos é o telefone e quais são componentes do endereço.

O padrão do número de telefone (11 dígitos, começa com 1) é fácil para um humano identificar — mas uma ferramenta que não entende que está olhando para um endereço vai pegar todos os números da página e chamá-los de "dados."

Como a IA Visual Lê a Mesma Captura de Tela de Forma Diferente

É aqui que a abordagem de extração muda do reconhecimento de caracteres para a compreensão semântica. Em vez de escanear a captura de tela em busca de todo o texto e exibi-lo como um bloco plano, uma ferramenta de IA visual lê a imagem perguntando: "que tipo de informação é esta e onde cada parte se encaixa?"

Com a Extração de Colunas Personalizadas, você define as colunas que deseja — "Endereço de Entrega (收货地址)", "Nome do Destinatário (收件人)", "Número de Telefone (联系电话)" — e a IA localiza os valores correspondentes entendendo o que cada um significa no contexto do formato de endereço chinês. Ela não precisa que lhe digam que 省 marca a província ou que 路 marca o nome da rua. Ela identifica esses marcadores porque entende a gramática estrutural dos endereços chineses — da mesma forma que você instintivamente sabe que "浙江省" é a província, mesmo que nunca tenha estudado geografia chinesa.

Veja como a abordagem semântica lida com cada componente do bloco de endereço:

Essa abordagem funciona porque a IA não precisa saber exatamente qual cidade ou qual nome de rua aparece na captura de tela. Ela precisa saber que algo naquela posição funciona como a cidade, algo funciona como a rua e algo funciona como o número de telefone. A extração é orientada pelo papel estrutural que cada segmento desempenha no formato de endereço chinês — um formato que, apesar das variações locais, é uma das hierarquias postais mais consistentes do mundo.

O mesmo princípio que se aplica à extração de dados de capturas de tela de pagamento que não são recibos formais se aplica aqui: você define as colunas de saída, e a IA localiza os valores correspondentes na captura de tela entendendo o que eles significam, e não combinando um modelo. Se a entrada é uma tela de confirmação do WeChat Pay ou uma mensagem de chat com um endereço de entrega, o método é o mesmo — a extração semântica lê pelo significado, não pela posição.

Processamento em Lote de Múltiplos Pedidos do WeChat

Um vendedor do WeChat não recebe um pedido de cada vez. Em um dia movimentado, o histórico do chat se enche de mensagens com endereços de vários clientes — cada um com um nome diferente, uma cidade diferente, um conjunto diferente de instruções de entrega. Transcrever manualmente dez endereços significa ler dez mensagens, copiar dez números de telefone e digitar dez nomes em uma planilha de pedidos ou etiqueta de pacote. O processo é o mesmo toda vez, e o padrão de erro é o mesmo toda vez: um dígito trocado no número de telefone, um número de rua lido errado, um distrito identificado incorretamente.

O processamento em lote muda esse fluxo de trabalho. Todas as capturas de tela — cada uma mostrando a mensagem de endereço de um cliente no chat — são carregadas juntas. Um único conjunto de definições de coluna ("Endereço de Entrega", "Nome do Destinatário", "Número de Telefone") é aplicado uma vez. A IA lê cada captura de tela no lote e gera uma tabela unificada: uma linha por cliente, com o endereço, nome e número de telefone em três colunas limpas.

A tabela de saída pode ser exportada diretamente para o Excel ou escrita diretamente no Google Sheets usando o complemento do Google Sheets do ImageToTable.ai — sem sair da planilha. Cada linha é um pedido, pronto para ser impresso como etiqueta de envio, importado para seu sistema de gerenciamento de pedidos ou compartilhado com sua equipe de logística. O esforço por pedido cai de aproximadamente um minuto de leitura e digitação para alguns segundos de verificação.

O valor da extração não está em economizar alguns segundos em um endereço. Está em escalar de dez pedidos por dia para trinta sem adicionar mais trabalho manual — porque o gargalo não é ler o endereço, é redigitá-lo toda vez.

O mesmo fluxo de trabalho em lote se aplica às variações de formato de endereço discutidas anteriormente. Um lote pode conter dez mensagens com endereços perfeitamente estruturados (província→cidade→distrito→rua→nome→telefone), duas com a província omitida, uma onde o cliente incluiu um ponto de referência em vez do nome da rua e uma em um município (Pequim ou Xangai) que não tem nível de província. A IA lida com todos na mesma passada, porque lê cada endereço por seus componentes estruturais — e não assumindo que todo endereço segue o mesmo modelo exato.

Para vendedores que também lidam com pedidos no WhatsApp — especialmente aqueles que atendem clientes em diferentes mercados — a mesma abordagem se estende a mensagens de endereço enviadas pelo WhatsApp Business. As colunas de extração permanecem as mesmas; apenas a interface do chat muda.

Perguntas Frequentes