15.11.2026

Скани, рахунки, Word і Excel українською в Markdown - 5 Actors з Apify на 7 файлах, усі таблиці правильно прочитав лише один

П'ять Actors з Apify Store, що перетворюють документи на Markdown, на однакових семи українських файлах - текстовий PDF, чистий скан і скан із шумом, DOCX, XLSX та скани рахунків з таблицею без ліній. Порожні скани, змінені ціни, втрачені таблиці - і єдиний Actor, що правильно обробив усі файли за найнижчою ціною сторінки скану.

За запитом «PDF to Markdown» в Apify Store знаходяться десятки Actors з майже однаковою обіцянкою: текст, таблиці, OCR, готово для RAG. Жоден опис не каже, що буде з українським сканом, файлом Excel чи сканом рахунку, де в таблиці немає ліній. Тож я запустив п'ять із них на однакових семи файлах і порівняв кожен результат з текстом, з якого ці файли зроблено. Усі результати нижче - зі справжніх запусків 15 листопада 2026 року.

Розкриття: один із п'яти - мій, Document to Markdown for AI. Кожне число нижче - зі справжнього запуску, тестові файли публічні, сирі відповіді збережено, тож усе можна повторити й перевірити.

Коротко

«Правильно» - це текст, заголовок і таблиця з правильними рядками, де кожне число точно як у документі.

Сім файлів

Усі українською, усі зроблені з відомого тексту, тож кожен символ можна перевірити:

Останні два - найважчий і водночас найчастіший випадок: більшість рахунків, накладних і банківських виписок друкують без ліній у таблиці. Файли публічні: https://api.apify.com/v2/key-value-stores/FloomuI2DrQCJazY8/records/<назва файлу>.

Actors - найпопулярніші за цим запитом і ще один, що обіцяє формати Office. Налаштування: українська мова OCR (ukr) скрізь, де є вибір мови; у nidamindllc вибору мови немає.

Результати по файлах

Ось що мій Actor повернув для рахунку без ліній із шумом - кожна клітинка, кожне число і знак № як у документі:

Рахунок-фактура № 47

Постачальник: ТОВ «Будмайстер», м. Львів. Покупець: ФОП Коваленко О. В. Оплата протягом п'яти банківських днів з дати рахунку.

| № | Товар | Од. | Кількість | Ціна | Сума |
| --- | --- | --- | --- | --- | --- |
| 1 | Цемент М500 | мішок | 420 | 96,50 | 40 530,00 |
| 2 | Арматура 12 мм | шт. | 180 | 412,00 | 74 160,00 |
| 3 | Пісок річковий | т | 12 | 650,00 | 7 800,00 |
| 4 | Цегла рядова | шт. | 2 500 | 9,80 | 24 500,00 |

Разом: 146 990,00 грн

Та сама таблиця приходить і рядками клітинок у полі tables - готово для таблиці чи бази даних, а запис показує, скільки сторінок пройшли через OCR, тож програма знає, який текст узято зі скану.

Для порівняння - той самий рядок рахунку від двох інших Actors:

lergassy:  1 | Цемент М500 мішок 420 96,60 40530,00
fabrikit:  ... Мо Товар Од. Кількість Ціна Сума 1 Цемент М500 мішок 420 96,50 40 530,00 2 Арматура12мм шт. ...

Що впало в око

• gochujang повернув порожній текст для всіх чотирьох сканів і все одно позначив їх ok: true; у журналі запуску - Failed loading language 'ukr'. Це найпопулярніший Actor із п'яти (40 користувачів на місяць), з текстовими PDF він працює чисто, але український скан прочитати не може.
• nidamindllc добре працює зі сканами - єдиний конкурент, що зберіг таблицю рахунку, - але він розпізнає кожен PDF, навіть з текстовим шаром, і це додало помилку, якої у файлі не було; файли Word і Excel він не відкриває зовсім.
• lergassy і fabrikit читають усі формати, але не таблиці. У рахунку lergassy змінив ціну (96,50 на 96,60), а в таблиці Excel - 1,234.50 на 1234.5; fabrikit прочитав ту саму ціну в чистому рахунку як 96,0. У рахунку чи прайсі це найгірша помилка: вона виглядає правильно.
• Мій правильно обробив усі сім файлів, зокрема обидва рахунки без ліній, з числами точно як у документі.

Скільки коштує

Усі п'ять Actors беруть плату за подіями. За сторінку скану:

Мій запуск на всіх семи файлах коштував $0,019 і тривав 11 секунд.

Про перевірку

• По одному файлу кожного виду, малі й синтетичні. У справжніх архівах гірші скани, печатки, рукопис - перед вибором спробуйте на десяти своїх файлах. Це коштує кілька центів.
• Кожен Actor працював на збірці, публічній 15 листопада 2026 року (мій - 0.1.20).

Готуючи цю статтю, за результатами тестів я побачив, де ще можна покращити мій Actor, щоб він став найкращим у своїй категорії - скани із шумом і рахунки з таблицею без ліній, - і зробив це одразу, до виходу статті. Це підтверджують останні тести, описані вище.

Спробувати

З Python:

from apify_client import ApifyClient

client = ApifyClient("<ВАШ_ТОКЕН_APIFY>")
run = client.actor("ai_admin/document-to-markdown").call(run_input={
    "sources": [{"url": "https://api.apify.com/v2/key-value-stores/FloomuI2DrQCJazY8/records/scan-noisy-borderless-uk.pdf"}],
    "ocrLanguages": ["ukr"],
})
for item in client.dataset(run["defaultDatasetId"]).iterate_items():
    print(item["markdown"])
    print(item["tables"])

Або дайте його Claude, Cursor чи іншому ШІ-агенту як інструмент MCP - див. MCP-сервер для ШІ-агентів.

Інші статті

• Скани українською в Markdown для ШІ
• Word, Excel і PowerPoint у PDF/A для архіву та суду