Parseur Handschrift OCR Benchmark 2026. Getest in oktober 2026. Zes tools, zeven gescande documenten, 209 velden.
In de Parseur Handschrift OCR Benchmark 2026, waarin zes tools voor documentextractie werden vergeleken op gescande, deels handgeschreven olie- en gasformulieren van de Texas Railroad Commission (RRC), extraheerde Parseur alle 209 velden correct. ChatGPT extraheerde er 188, Gemini 180 en Extend 175. Nanonets (151) en Docparser (136) bleven respectievelijk 58 en 73 velden achter. We hebben elk resultaat veld voor veld vergeleken met de originele scans.
Disclaimer: Parseur is ons product. Om de test eerlijk te houden, hebben we elke tool gescoord op basis van dezelfde antwoordsleutel en regels, en we publiceren de fouten van elke tool, inclusief die van Parseur.
Belangrijkste Conclusies
- Parseur was de enige tool met nul fouten in een test uit oktober 2026 van zes tools voor handschrift OCR (optische tekenherkenning) en documentextractie op zeven gescande RRC-formulieren.
- Handgeschreven namen en e-mails lieten de grootste verschillen tussen de tools zien. Op de twee meest handgeschreven formulieren (44 velden) maakte Parseur 0 fouten en Extend 1, terwijl ChatGPT er 12 maakte, Gemini 16, Docparser 17 en Nanonets 24.
- Notities van beoordelaars veranderden in valse handtekeningen. Drie van de zes tools registreerden een goedkeuringsdatum met "OK to process" van een RRC-beoordelaar als de datum van de handtekening van de vorige operator.
- De tekst lezen is niet hetzelfde als de gegevens extraheren. Nanonets en Docparser lazen vaak een waarde correct, maar plaatsten deze in het verkeerde veld, of retourneerden gedrukte formulierlabels als gegevens.
- Eén PDF, meerdere formulieren. Extend retourneerde standaard één record per PDF en bewaarde alleen de eerste van de drie leases in een bestand met meerdere formulieren.
- Algemene AI-chatbots presteerden beter dan verwacht bij getypte tekst, maar lazen handgeschreven hoofdletters verkeerd. ChatGPT veranderde "John Posey" in "John Poso" en "Gulfmark" in "Galfmark".
Handschrift OCR, in cijfers
Handschrift OCR, in cijfers
Zes tools, zeven gescande formulieren, 209 velden
- velden die Parseur correct extraheerde, de enige perfecte score van zes tools
- 209 van 209
- tools maakten minstens één extractiefout op zeven formulieren
- 5 van 6
- gemiddelde nauwkeurigheid van de vijf andere tools dan Parseur
- 79,4%
- tools maakten één fout of minder op de twee meest handgeschreven formulieren
- 2 van 6
- tools registreerden de goedkeuringsdatum van een beoordelaar als een handtekeningdatum
- 3 van 6
- tools reproduceerden de handgeschreven lease-tabel exact
- 1 van 6
Wat is handschrift OCR, en waarom is het moeilijk?
Handschrift OCR is software die handgeschreven tekst in een scan of foto omzet in machinaal leesbare tekst. Er worden drie termen voor gebruikt:
- OCR (optische tekenherkenning) leest gedrukte tekens. Klassieke OCR-engines gaan goed om met getypte tekst, maar slecht met handschrift.
- ICR (intelligente tekenherkenning) leest handgedrukte tekens, meestal één letter per vakje op gestructureerde formulieren.
- HTR (handgeschreven tekstherkenning) leest verbonden, vloeiend handschrift, zoals cursieve notities en historische manuscripten.
Zakelijke documenten zijn lastiger dan elk van deze labels suggereert. Een echt formulier combineert getypte tekst, handgedrukte hoofdletters, cursieve handtekeningen, stempels en notities die eroverheen zijn geschreven. Scans zijn vaak faxen of fotokopieën van fotokopieën, die binnenkomen via e-mail, upload of API.
Het lezen van de tekens is slechts stap één. Een operationeel team heeft nodig dat elke handgeschreven waarde in het juiste veld wordt geëxtraheerd en gevalideerd in een formaat dat hun spreadsheet, enterprise resource planning (ERP) systeem of database kan importeren. Dat is wat we hebben getest: niet "kan de tool het lezen?", maar "komt de juiste waarde in het juiste veld terecht?"
Welke handschrift OCR tool was het meest nauwkeurig?
Parseur was de meest nauwkeurige tool in onze handschrift OCR test van oktober 2026, met 209 van de 209 velden correct. ChatGPT (90,0%) en Gemini (86,1%) volgden.
| Rang | Tool | Velden correct (van 209) | Nauwkeurigheid | Fouten op de 2 meest handgeschreven formulieren (van 44) |
|---|---|---|---|---|
| 1 | Parseur | 209 | 100% | 0 |
| 2 | ChatGPT (GPT-6 Instant) | 188 | 90,0% | 12 |
| 3 | Gemini 3 | 180 | 86,1% | 16 |
| 4 | Extend | 175 | 83,7% | 1 |
| 5 | Nanonets | 151 | 72,2% | 24 |
| 6 | Docparser | 136 | 65,1% | 17 |
Bron: Parseur Handschrift OCR Benchmark 2026, getest in oktober 2026.
De positie van Extend komt grotendeels door één document. In de standaardopstelling retourneerde het één record per PDF en sloeg het twee van de drie leases in een bestand met meerdere formulieren over, wat 28 van zijn 34 fouten verklaart. Op de formulieren die het wél extraheerde, maakte Extend 6 fouten en las het handschrift bijna net zo goed als Parseur.
Handschrift OCR benchmark ranglijst
Correct geëxtraheerde velden, van de 209
- 1 Parseur 209/209 · 100%
- 2 ChatGPT 188/209 · 90,0%
- 3 Gemini 180/209 · 86,1%
- 4 Extend 175/209 · 83,7%
- 5 Nanonets 151/209 · 72,2%
- 6 Docparser 136/209 · 65,1%
Hoe presteerde elke tool per document?
In onze test was Parseur de enige tool die elk veld op elk formulier extraheerde, en kregen alleen Parseur en Extend het zwaar handgeschreven 449_155 formulier bijna helemaal goed.
De zeven documenten zijn echte, openbare olie- en gasaangiften van de Texas Railroad Commission, afkomstig uit ExtractBench, LlamaIndex's openbare benchmark voor documentextractie. Zes zijn P-4 formulieren, die een verandering van lease-operator registreren, en één bestand voegt een P-6 formulier toe, dat een onderverdeling van een lease aanvraagt. In de sectie testdocumenten hieronder wordt elk van hen beschreven.
| Formulier (velden) | Parseur | ChatGPT | Gemini | Extend | Nanonets | Docparser |
|---|---|---|---|---|---|---|
| 27-51300, P-4 getypt (22) | 22 | 22 | 22 | 21 | 17 | 16 |
| 27-51300, P-6 handgeschreven header (11) | 11 | 11 | 8 | 10 | 7 | 9 |
| 433_147, doorgestreepte waarden (22) | 22 | 18 | 14 | 21 | 14 | 6 |
| 443_152, wazige getypte scan (22) | 22 | 21 | 22 | 20 | 19 | 21 |
| 449_155, bijna volledig handgeschreven (22) | 22 | 14 | 12 | 21 | 11 | 12 |
| 457_159, drie leases in één PDF (66) | 66 | 65 | 66 | 38 | 64 | 42 |
| 223_41, handgeschreven namen en e-mail (22) | 22 | 18 | 16 | 22 | 9 | 15 |
| 257_58, handgeschreven met beoordelaarsnotitie (22) | 22 | 19 | 20 | 22 | 10 | 15 |
| Totaal (209) | 209 | 188 | 180 | 175 | 151 | 136 |
Bron: Parseur Handschrift OCR Benchmark 2026, getest in oktober 2026. Scroll opzij op kleine schermen.
De tools verschilden niet op getypte formulieren. Op de getypte 457_159 leases scoorden vier tools 64 of meer van de 66. De verschillen ontstonden bij handgedrukte hoofdletters, cursieve e-mails en formulieren waar notities overheen geschreven waren.
Wat gaat er mis bij het extraheren van gegevens uit handgeschreven formulieren?
In onze test vielen fouten op handgeschreven formulieren in vijf patronen: verkeerd gelezen handschrift, beoordelaarsnotities gezien als gegevens, correcte tekst in het verkeerde veld, gemiste formulieren in PDF's met meerdere formulieren, en gebroken handgeschreven tabellen. Elk hiervan stuurde onjuiste gegevens naar een zakelijk systeem zonder dat iemand het merkte.
1. Welke tools lazen handgeschreven namen en e-mails verkeerd?
ChatGPT, Gemini, Nanonets en Docparser lazen allemaal handgeschreven hoofdletters op 449_155 en 223_41 verkeerd. Parseur en Extend lazen elk voorbeeld hieronder correct.
| Veld (formulier) | Geschreven op het formulier | Hoe andere tools het lazen |
|---|---|---|
| Veldnaam (449_155) | Nixon | Poso (ChatGPT), Wixos (Gemini, Nanonets), Wixo (Docparser) |
| Huidige operator (449_155) | John Posey | John Poso (ChatGPT), Poses (Gemini), John Poser (Nanonets), John Posen (Docparser) |
| Vorige operator (449_155) | BJT Oil Company, Inc. | Poso Oil Company (ChatGPT), BJF Oil Company (Gemini), "BJT )" (Nanonets) |
| Operator (223_41) | Diamond M Drlg & Expl. Co. | Diamond Morris Expl. Co. (ChatGPT), Diamond morly Expl. Co. (Gemini) |
| Olieverzamelaar (223_41) | Gulfmark Energy Inc. | Galfmark (ChatGPT), IF mark Inc. Energy (Gemini), Gis IF mark Energy Inc. (Nanonets) |
| E-mail (433_147) | [email protected] | [email protected] (ChatGPT), RICK. MICHAEL SBCSLOBAL.NET (Gemini) |

Een verkeerd gelezen naam is erger dan een leeg veld. "John Poso" ziet eruit als een echte naam, dus niemand zou het controleren, en het record zou niet meer overeenkomen met de operator in enig ander systeem.
2. Welke tools veranderden notities van beoordelaars in handtekeningen?
Drie van de zes tools registreerden de goedkeuringsdatum van een RRC-beoordelaar als de handtekeningdatum van de vorige operator: ChatGPT, Extend en Nanonets. Parseur, Gemini en Docparser lieten het veld leeg.
Op drie formulieren schreef een RRC-beoordelaar "O/K to process" met initialen en een datum dwars door de handtekeningregel van de vorige operator. Geen enkele vorige operator had deze formulieren ondertekend. De lijnen voor naam, titel, datum en telefoonnummer zijn leeg, en één formulier heeft de aantekening "One Signature".
- ChatGPT retourneerde 2010-04-28, de datum van de beoordelaar, als de handtekeningdatum op 443_152, en een datum die helemaal niet op het formulier staat op 433_147. Op 257_58 voegde het de notitie samen met de naam van de operator: "Schaaron International Energy Oil & Gas - OGC - TMO - 81911".
- Extend retourneerde de datum van de beoordelaar op 433_147 en 443_152, en gebruikte op 443_152 de initialen van de beoordelaar als de naam van de ondertekenaar.
- Nanonets retourneerde de datum van de beoordelaar op 433_147 en 257_58, en vulde op 257_58 de vorige ondertekenaar in met de naam van de huidige ondertekenaar en de titel met de notitie zelf.
Gemini ging hier zonder speciale instructies correct mee om. Voor een operationeel team creëert deze fout een record van een handtekening die nooit heeft plaatsgevonden.
3. Welke tools plaatsten correcte tekst in het verkeerde veld?
Nanonets en Docparser lazen een waarde vaak correct, maar retourneerden deze in het verkeerde veld, of retourneerden gedrukte formuliertekst als een waarde.
- Nanonets zette het P-5-nummer van de operator in het lease ID-veld op 433_147 en 449_155, een lease ID in het RRC-districtveld op 257_58, en de gedrukte checkbox-labels "Authorized agent of previous operator" en "Authorized Employee" als naam en titel van de vorige ondertekenaar op 223_41.
- Docparser mengde formulierinstructies door de naam van de vorige operator ("responsibility well(s) designated filing… ROCKER A OPERATING COMPANY"), voegde een landnummer +63 toe aan elk telefoonnummer, en las de ingangsdatum 6-1-11 als 2011-01-06.
- ChatGPT voegde een bronnummer, "10A", toe aan de Lela lease, waarop helemaal geen bronnen vermeld staan.
Dit zijn de moeilijkste fouten om op te sporen, omdat elke waarde op zichzelf aannemelijk lijkt.
4. Welke tools konden omgaan met meerdere formulieren in één PDF?
Vier van de zes tools extraheerden alle drie de leases uit 457_159, een enkele PDF met drie P-4 formulieren. Parseur, ChatGPT, Gemini en Nanonets retourneerden één record per pagina.
- Extend, met de Multifile-optie uitgeschakeld, retourneerde één record voor de hele PDF en behield alleen de eerste lease, waardoor 28 velden verloren gingen.
- Docparser vond de leasenamen en ID's van de tweede en derde lease, maar verder weinig, waardoor 23 velden verloren gingen.
Gescande wettelijke aangiften, leveringsbonnen, vrachtbrieven en aanvraagpakketten komen vaak binnen als één PDF met meerdere formulieren erin. Een tool die één record per bestand retourneert, laat de rest ongemerkt vallen.
5. Welke tools konden een handgeschreven tabel extraheren?
Alleen ChatGPT reproduceerde de handgeschreven lease-tabel op het P-6 formulier exact. We hebben deze tabel apart gescoord van de 209 velden omdat niet elke tool tabellen in de opstelling had opgenomen.
Het juiste antwoord is twee resulterende leases: 265 acres met bronnen 1WSW, 1 t/m 7 en 10 en 9 API-nummers, en 60 acres met 3 API-nummers.
| Tool | Resultaat handgeschreven lease-tabel |
|---|---|
| ChatGPT | Exact: beide leases, alle 12 API-nummers, bron 1WSW behouden |
| Extend | Beide leases en alle 12 API-nummers, maar bron 1WSW weggelaten |
| Parseur | Alle 12 API-nummers correct, maar in één lijst in plaats van gesplitst per lease |
| Gemini | Een extra lease die niet op het formulier staat, en losse "415"-fragmenten in de API |
| Docparser | Kolommen gevonden, maar waarden samengevoegd in één cel met andere tekst erdoorheen |
| Nanonets | Geen tabel geëxtraheerd met de gebruikte veldgebaseerde opstelling |
Dit is waar Parseur verloor: elke waarde klopte, maar voor een uitsplitsing per lease moet er een tabelveld voor worden ingesteld. Een tabelveld in de opstelling zou dan één rij per resulterende lease retourneren.
Resultaten per tool
Parseur: 209/209. Parseur is een intelligent document processing (IDP) platform voor operationele teams die documenten ontvangen van veel verschillende afzenders en de gegevens in hun eigen systemen nodig hebben. Het leest gedrukte tekst en handschrift met ingebouwde OCR, extraheert de velden die je in gewone taal definieert, en stuurt de gegevens naar Excel, Google Sheets, ERP's en andere bedrijfssystemen via integraties, webhooks of de API. Het is sinds 2016 in productie, heeft meer dan 100 miljoen documenten verwerkt, wordt gehost in de EU en voldoet aan SOC 2 Type II.
In deze test las het elke handgeschreven naam, e-mail en adres correct, negeerde het beoordelaarsnotities en retourneerde het één record per formulier in PDF's met meerdere formulieren. In de eerste ronde had Parseur enkele voorbijgaande extractiefouten bij moeilijk leesbare tekst. We hebben de veldopstelling verfijnd, de betreffende documenten verschillende keren opnieuw verwerkt en het resultaat behouden dat het meest consistent werd geëxtraheerd. De enige zwakte was de handgeschreven lease-tabel, die als één lijst werd geretourneerd in plaats van gesplitst per lease.
ChatGPT (GPT-6 Instant): 188/209. Bijna perfect op getypte formulieren en de enige met een exacte handgeschreven tabel. Het las handgeschreven hoofdletters en e-mails verkeerd (8 fouten op 449_155), registreerde de datum van een beoordelaar als handtekening, en voegde een bronnummer toe dat niet op het formulier staat. De output is JSON in een chat, dus het verplaatsen naar een ander systeem is een handmatige stap.
Gemini 3: 180/209. Foutloos op getypte formulieren en, samen met Parseur en Docparser, een van de drie tools die een beoordelaarsnotitie nooit als handtekening zagen. Het maakte de meeste handschriftfouten na Nanonets (16 op 449_155 en 223_41) en verzon een extra lease in de handgeschreven tabel.
Extend: 175/209. De sterkste handschriftlezer na Parseur, met 1 fout op de twee meest handgeschreven formulieren, plus een betrouwbaarheidsscore en bronvermelding voor elk veld. In de standaardinstelling behield het alleen de eerste lease van een PDF met meerdere formulieren, nam het beoordelaarsnotities als handtekening op twee formulieren, en retourneerde het de ingangsdatum "2/2014" (alleen maand) als leeg.
Nanonets: 151/209. Correct op schone getypte formulieren. Op handgeschreven formulieren zette het vaak correcte waarden in het verkeerde veld, retourneerde het gedrukte formulierlabels als gegevens en las het namen verkeerd. Met de veldgebaseerde opstelling die we gebruikten, werd er geen tabel geëxtraheerd.
Docparser: 136/209. Vond getypte waarden op schone formulieren zoals 443_152. Het miste veel velden op 433_147 (16 fouten), mengde formulierinstructies in waarden, voegde een landnummer +63 toe aan telefoonnummers en herschikte datums.
Hoe we hebben getest
We hebben zes tools getest op dezelfde zeven gescande formulieren in oktober 2026, scoorden 209 velden per tool aan de hand van één antwoordsleutel, en publiceerden de fouten van elke tool, inclusief die van Parseur.
- De documenten gekozen. We namen zeven deels handgeschreven aangiften uit de openbare ExtractBench-dataset, gekozen om getypte tekst, handgedrukte hoofdletters, cursief, doorgestreepte waarden, beoordelaarsnotities, een wazige scan en een PDF met meerdere formulieren te dekken.
- De velden vastgesteld. We definieerden 22 velden voor elk P-4 formulier en 11 headervelden voor het P-6 formulier, dezelfde lijst voor elke tool.
- De antwoordsleutel opgebouwd aan de hand van de originele scans voorafgaand aan het scoren, en elke moeilijk leesbare handgeschreven waarde handmatig dubbel gecontroleerd.
- Elke tool uitgevoerd op alle zeven documenten met de configuratie in de onderstaande tabel, en screenshots en exports van elk resultaat opgeslagen.
- Elk veld gescoord tegen de antwoordsleutel met behulp van de onderstaande scoringsregels, en elke fout gecontroleerd met de originele scan.
Testdocumenten
We gebruikten zeven echte, openbare aangiften van de Texas Railroad Commission, de toezichthouder voor olie en gas van de staat, afkomstig uit de ExtractBench-dataset gepubliceerd door LlamaIndex. Het P-4 formulier registreert een verandering van lease-operator. Het P-6 formulier vraagt een onderverdeling van een lease aan. Ze combineren getypte tekst, handgedrukte hoofdletters, cursief, stempels en beoordelaarsnotities, zoals veel zakelijke formulieren dat doen.
| Document | Pagina's | Wat het test | Gescoorde velden |
|---|---|---|---|
| P4-27-51300_74665 | 4 | Getypt P-4 plus handgeschreven P-6 met een lease-tabel en handgeschreven API-nummers, met schone kopieën | 33 |
| P4-83-433_147 | 1 | Doorgestreepte leasenaam en ID, beoordelaarsnotitie op de handtekeningregel | 22 |
| P4-83-443_152 | 1 | Getypte maar wazige scan, beoordelaarsnotitie op de handtekeningregel | 22 |
| P4-83-449_155 | 1 | Bijna volledig handgeschreven, met moeilijk te lezen hoofdletters | 22 |
| P4-83-457_159 | 4 | Drie leases in één PDF, één dubbele pagina, beoordelaarsnotitie in een tabel | 66 |
| P4-Historical_Single_Signature83-223_41 | 1 | Handgeschreven operator, adres, verzamelaar en e-mail | 22 |
| P4-Historical_Single_Signature83-257_58 | 1 | Handgeschreven, beoordelaarsnotitie op de handtekeningregel | 22 |
Elk P-4 formulier werd gescoord op 22 velden: veldnaam, leasenaam, operator, operatornummer (P-5), lease- of gas-ID, county, RRC-district, adres, bronnummers, ingangsdatum, olieverzamelaar en percentage, de vorige operator met naam, titel, datum en telefoonnummer van de ondertekenaar, en de naam, titel, e-mail, datum en telefoonnummer van de huidige ondertekenaar. Het P-6 formulier werd gescoord op 11 headervelden.
Tool-configuratie
| Tool | Opstelling |
|---|---|
| Parseur | AI-engine, velden gedefinieerd in gewone taal |
| ChatGPT | GPT-6 (Instant), standaardmodel, dezelfde JSON-prompt voor elk document, één gesprek, één document tegelijk |
| Gemini | Gemini 3, dezelfde prompt en procedure als ChatGPT |
| Extend | Velden automatisch gegenereerd door Extend, Multifile uit |
| Nanonets | Instant Learning-model, velden en beschrijvingen handmatig ingesteld op basis van de P-4 lay-out |
| Docparser | SmartAI-parser met automatische velddetectie, geen aangepaste regels |
Scoringsregels
- Het uitgangspunt is wat er op het formulier staat geschreven, gecontroleerd aan de hand van de originele scan.
- Elk afzonderlijk formulier is één keer gescoord. Schone, dubbele pagina's zijn niet gescoord, dus PDF's met meerdere pagina's tellen niet dubbel.
- Een verkeerde, ontbrekende of verzonnen waarde was een fout, en dat gold ook voor een gedrukt formulierlabel of beoordelaarsnotitie die als gegevens werd geretourneerd.
- Een leeg veld waar het formulier leeg is, was correct. Opmaakverschillen (datumnotatie, hoofdletters, spaties) waren geen fouten.
- "OK to process" notities zijn goedkeuringen van een beoordelaar, geen handtekeningen. Als dit het enige is op de handtekeningregel, zijn de correcte ondertekenaar, titel en datum leeg.
- Waar het handschrift twee lezingen toelaat, werden beide geaccepteerd voor elke tool: Duke of Duice, Posey of Posey Lease, en 12/18/09 of 12/13/09 op een wazige, getypte datum.
- Een formulier dat een tool niet kon extraheren telde als een fout voor elk veld dat een waarde had.
Beperkingen
Dit is een kleine praktijktest, geen statistische benchmark, en Parseur voerde de test uit als een van de geteste tools.
- Steekproefgrootte: zeven documenten, 209 velden per tool. Een verschil van een paar velden valt binnen de marge van wat één extra document zou kunnen veranderen.
- Testrondes: we hebben de veldopstelling van Parseur één keer verfijnd, documenten met fouten in de eerste ronde verschillende keren opnieuw verwerkt en het meest consistente resultaat behouden.
- Configuratie: Extend is getest met Multifile uit en Nanonets zonder tabelvelden. Beide presteren mogelijk beter op PDF's met meerdere formulieren en tabellen met een andere configuratie.
- Chatbots: ChatGPT en Gemini verwerkten alle documenten in één conversatie, dus eerdere documenten waren in de context voor de latere documenten.
- Puntentelling: we hebben resultaten gescoord aan de hand van screenshots en exports van de output van elke tool en ze vergeleken met de originele scans.
Hoe test je handschrift OCR op jouw eigen documenten
De fouten in deze test kwamen pas aan het licht toen we elk veld met de originele scan vergeleken. Voordat je een tool kiest, is het verstandig jouw eigen documenten erdoorheen te halen en op het volgende te letten:
- Jouw moeilijkste documenten, niet de meest duidelijke: faxen, fotokopieën en met de hand ingevulde formulieren.
- Controleer namen, e-mails en referentienummers letter voor letter. Verkeerd gelezen teksten verbergen zich hier, want een verkeerde naam ziet er nog steeds uit als een naam.
- Controleer of elke waarde in het juiste veld terechtkomt, niet zomaar ergens in de output.
- Zorg ervoor dat notities, stempels en gedrukte labels niet als gegevens terugkomen.
- Zorg ervoor dat een PDF met meerdere formulieren één record per formulier retourneert.
- Zorg ervoor dat handgeschreven tabellen rij per rij terugkomen, in de structuur die jouw systeem verwacht.
Voor informatie over hoe Parseur scans en handschrift leest, zie onze OCR software pagina. Voor een test op geprinte facturen in vier talen, zie onze multilingual invoice extraction benchmark. Om document processing platformen breder te vergelijken, bekijk onze gids voor de best intelligent document processing software.
Test het op jouw eigen handgeschreven documenten
Zeven formulieren laten zien waar tools fouten maken, maar jouw eigen documenten zijn de echte test. Haal jouw handgeschreven formulieren, leveringsbonnen of aanvragen door Parseur en vergelijk elk veld met het origineel.
Laatst bijgewerkt op





