Tem uma comunidade no reddit chamada over employed (https://www.reddit.com/r/overemployed). A ideia é reunir a galera que está fazendo isso em várias areas diferentes. Pena que é em inglês, mas, se não te atrapalhar, pode ter dicas legais.

Dei uma olhada por alto na idwall é parece atender bem essa demanda! Vou tentar primeiro um caminho de OCR+Regex e emparalelo tento entender se o custo seria viável. Obrigado pelas sugestões!

Opa! muito obrigado pela sugestão. Pensando que sãõ docs relativamente estruturados faria bastante sentido treinar alguma coisa específica né? vou começar a pesquisar alguma coisa nesse sentido

rakbo