如何从印度银行对账单PDF中提取交易表格？寻找开源/本地部署方案

我在一家非银行金融公司（NBFC）工作，目前正在开发一个信用承保AI代理。流程中的第一步是从客户银行对账单PDF中提取结构化信息。这正是我目前卡住的地方。这些对账单可能来自不同的印度银行（HDFC、ICICI、SBI、Axis、Kotak等），每家银行的PDF布局可能完全不同。我需要可靠地提取如下信息：客户/账户信息——姓名、账号、IFSC、分行等。交易表格——日期、说明/描述、借方、贷方、余额。跨多行的交易行。表格标题在后续页面缺失的对账单。数字生成的PDF和扫描/图像PDF。理想情况下，解决方案应是与银行格式无关的。我尝试/考虑过的方法包括pdfplumber、表格提取库、OCR、基于正则表达式的解析和基于LLM的提取。我面临的最大问题是，即使文本被正确提取，列/行结构也会被打乱，尤其是因为许多银行PDF不包含真正的表格结构——它们本质上是位于不同坐标的文本。由于这是金融/客户数据，我强烈倾向于开源/本地部署解决方案，而不是将对账单发送到第三方API。对于任何构建过类似系统的人：什么方法最适合你？我特别感兴趣的是：你推荐的PDF解析/布局库；用于扫描对账单的OCR模型；开源视觉/文档AI模型；是否使用LLM/VLM进行语义列映射；如何处理不同银行格式，而不为每家银行编写完全独立的规则；检测交易行并将值映射到正确列的技术；如何验证提取的数据（例如，余额对账、借方/贷方检查、交易计数）。如果你专门处理过印度银行对账单，我真的很想听听你的架构、库/模型或经验教训。谢谢！