FormRecognizerClient Třída
FormRecognizerClient extrahuje informace z formulářů a obrázků do strukturovaných dat. Je to rozhraní pro analýzu s předem vytvořenými modely (účtenky, vizitky, faktury, dokumenty identity), rozpoznávání obsahu a rozložení z formulářů a analýzu vlastních formulářů z natrénovaných modelů. Poskytuje různé metody založené na vstupech z adresy URL a vstupech ze streamu.
Poznámka
FormRecognizerClient by se měl používat s verzemi <rozhraní API =v2.1.
Pokud chcete používat rozhraní API verze 2022-08-31 a novější, vytvořte instanci DocumentAnalysisClient.
- Dědičnost
-
azure.ai.formrecognizer._form_base_client.FormRecognizerClientBaseFormRecognizerClient
Konstruktor
FormRecognizerClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)
Parametry
- endpoint
- str
Podporované koncové body služeb Cognitive Services (protokol a název hostitele, například: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential nebo TokenCredential
Přihlašovací údaje potřebné pro připojení klienta k Azure Jedná se o instanci AzureKeyCredential, pokud používáte klíč rozhraní API nebo přihlašovací údaje tokenu z identity.
- api_version
- str nebo FormRecognizerApiVersion
Verze rozhraní API služby, která se má použít pro požadavky. Výchozí hodnota je verze rozhraní API v2.1. Nastavení na starší verzi může mít za následek snížení kompatibility funkcí. Pokud chcete použít nejnovější podporovanou verzi a funkce rozhraní API, vytvořte místo toho instanci DocumentAnalysisClient.
Příklady
Vytvoření objektu FormRecognizerClient s koncovým bodem a klíčem rozhraní API
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(endpoint, AzureKeyCredential(key))
Vytvoření klienta FormRecognizerClient s přihlašovacími údaji tokenu
"""DefaultAzureCredential will use the values from these environment
variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
"""
from azure.ai.formrecognizer import FormRecognizerClient
from azure.identity import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
form_recognizer_client = FormRecognizerClient(endpoint, credential)
Metody
begin_recognize_business_cards |
Extrahuje text pole a sémantické hodnoty z dané vizitky. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". Pole nalezená na vizitce si můžete prohlédnout tady: https://aka.ms/formrecognizer/businesscardfields Novinka ve verzi v2.1: Metoda klienta begin_recognize_business_cards |
begin_recognize_business_cards_from_url |
Extrahuje text pole a sémantické hodnoty z dané vizitky. Vstupní dokument musí být umístění (adresa URL) karty, která se má analyzovat. Pole nalezená na vizitce si můžete prohlédnout tady: https://aka.ms/formrecognizer/businesscardfields Novinka ve verzi v2.1: Metoda klienta begin_recognize_business_cards_from_url |
begin_recognize_content |
Extrahujte z daného dokumentu text a informace o obsahu nebo rozložení. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". Novinka ve verzi v2.1: Stránky, jazyk a reading_order argumenty klíčových slov a podpora obsahu obrázku/bmp |
begin_recognize_content_from_url |
Extrahuje text a informace o rozložení z daného dokumentu. Vstupní dokument musí být umístění (adresa URL) dokumentu, který se má analyzovat. Novinka ve verzi v2.1: Stránky, jazyk a reading_order argumenty klíčových slov a podpora obsahu obrázku/bmp |
begin_recognize_custom_forms |
Analýza vlastního formuláře pomocí modelu vytrénovaného s popisky nebo bez popisků Formulář, který se má analyzovat, by měl být stejného typu jako formuláře použité k trénování modelu. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". |
begin_recognize_custom_forms_from_url |
Analýza vlastního formuláře pomocí modelu vytrénovaného s popisky nebo bez popisků Formulář, který se má analyzovat, by měl být stejného typu jako formuláře použité k trénování modelu. Vstupní dokument musí být umístění (adresa URL) dokumentu, který se má analyzovat. |
begin_recognize_identity_documents |
Extrahuje text pole a sémantické hodnoty z daného dokumentu identity. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". Pole nalezená v dokumentu identity najdete tady: https://aka.ms/formrecognizer/iddocumentfields Novinka ve verzi v2.1: Metoda klienta begin_recognize_identity_documents |
begin_recognize_identity_documents_from_url |
Extrahuje text pole a sémantické hodnoty z daného dokumentu identity. Vstupní dokument musí být umístění (adresa URL) dokumentu identity, který se má analyzovat. Pole nalezená v dokumentu identity najdete tady: https://aka.ms/formrecognizer/iddocumentfields Novinka ve verzi v2.1: Metoda klienta begin_recognize_identity_documents_from_url |
begin_recognize_invoices |
Extrahuje text pole a sémantické hodnoty z dané faktury. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". Pole nalezená na faktuře najdete tady: https://aka.ms/formrecognizer/invoicefields Novinka ve verzi v2.1: Metoda klienta begin_recognize_invoices |
begin_recognize_invoices_from_url |
Extrahuje text pole a sémantické hodnoty z dané faktury. Vstupní dokument musí být umístění (ADRESA URL) faktury, která se má analyzovat. Pole nalezená na kartě faktury najdete tady: https://aka.ms/formrecognizer/invoicefields Novinka ve verzi v2.1: Metoda klienta begin_recognize_invoices_from_url |
begin_recognize_receipts |
Extrahujte text pole a sémantické hodnoty z dané prodejní účtenky. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp". Pole nalezená na potvrzení najdete tady: https://aka.ms/formrecognizer/receiptfields Novinka ve verzi v2.1: Argumenty klíčových slov národního prostředí a stránek a podpora obsahu image/bmp |
begin_recognize_receipts_from_url |
Extrahujte text pole a sémantické hodnoty z dané prodejní účtenky. Vstupní dokument musí být umístění (ADRESA URL) potvrzení, které se má analyzovat. Pole nalezená na potvrzení najdete tady: https://aka.ms/formrecognizer/receiptfields Novinka ve verzi v2.1: Argumenty klíčových slov národního prostředí a stránek a podpora obsahu image/bmp |
close |
Zavřete FormRecognizerClient relaci. |
send_request |
Spustí síťový požadavek pomocí existujícího kanálu klienta. Adresa URL požadavku může být relativní vzhledem k základní adrese URL. Pokud není uvedeno jinak, verze rozhraní API služby použitá pro požadavek je stejná jako verze rozhraní API klienta. Přepsání nakonfigurované verze rozhraní API klienta v relativní adrese URL se podporuje u klienta s rozhraním API verze 2022-08-31 a novější. Přepsání absolutní adresy URL podporované na klientovi s libovolnou verzí rozhraní API Tato metoda nevyvolá, pokud odpověď je chyba; pokud chcete vyvolat výjimku, zavolejte raise_for_status() u vráceného objektu odpovědi. Další informace o odesílání vlastních požadavků pomocí této metody najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request. |
begin_recognize_business_cards
Extrahuje text pole a sémantické hodnoty z dané vizitky. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
Pole nalezená na vizitce si můžete prohlédnout tady: https://aka.ms/formrecognizer/businesscardfields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_business_cards
begin_recognize_business_cards(business_card: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
- locale
- str
Národní prostředí vizitky. Mezi podporovaná národní prostředí patří: en-US, en-AU, en-CA, en-GB a en-IN.
- include_field_elements
- bool
Určuje, zda se mají zahrnout všechny řádky na stránce a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete ve výsledku získat. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo rozsah oddělte čárkou.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu je automaticky zjištěn, ale lze jej přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
- continuation_token
- str
Pokračovací token pro restartování poller z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpoznávání vizitek ze souboru
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_business_cards(business_card=f, locale="en-US")
business_cards = poller.result()
for idx, business_card in enumerate(business_cards):
print("--------Recognizing business card #{}--------".format(idx+1))
contact_names = business_card.fields.get("ContactNames")
if contact_names:
for contact_name in contact_names.value:
print("Contact First Name: {} has confidence: {}".format(
contact_name.value["FirstName"].value, contact_name.value["FirstName"].confidence
))
print("Contact Last Name: {} has confidence: {}".format(
contact_name.value["LastName"].value, contact_name.value["LastName"].confidence
))
company_names = business_card.fields.get("CompanyNames")
if company_names:
for company_name in company_names.value:
print("Company Name: {} has confidence: {}".format(company_name.value, company_name.confidence))
departments = business_card.fields.get("Departments")
if departments:
for department in departments.value:
print("Department: {} has confidence: {}".format(department.value, department.confidence))
job_titles = business_card.fields.get("JobTitles")
if job_titles:
for job_title in job_titles.value:
print("Job Title: {} has confidence: {}".format(job_title.value, job_title.confidence))
emails = business_card.fields.get("Emails")
if emails:
for email in emails.value:
print("Email: {} has confidence: {}".format(email.value, email.confidence))
websites = business_card.fields.get("Websites")
if websites:
for website in websites.value:
print("Website: {} has confidence: {}".format(website.value, website.confidence))
addresses = business_card.fields.get("Addresses")
if addresses:
for address in addresses.value:
print("Address: {} has confidence: {}".format(address.value, address.confidence))
mobile_phones = business_card.fields.get("MobilePhones")
if mobile_phones:
for phone in mobile_phones.value:
print("Mobile phone number: {} has confidence: {}".format(phone.value, phone.confidence))
faxes = business_card.fields.get("Faxes")
if faxes:
for fax in faxes.value:
print("Fax number: {} has confidence: {}".format(fax.value, fax.confidence))
work_phones = business_card.fields.get("WorkPhones")
if work_phones:
for work_phone in work_phones.value:
print("Work phone number: {} has confidence: {}".format(work_phone.value, work_phone.confidence))
other_phones = business_card.fields.get("OtherPhones")
if other_phones:
for other_phone in other_phones.value:
print("Other phone number: {} has confidence: {}".format(other_phone.value, other_phone.confidence))
begin_recognize_business_cards_from_url
Extrahuje text pole a sémantické hodnoty z dané vizitky. Vstupní dokument musí být umístění (adresa URL) karty, která se má analyzovat.
Pole nalezená na vizitce si můžete prohlédnout tady: https://aka.ms/formrecognizer/businesscardfields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_business_cards_from_url
begin_recognize_business_cards_from_url(business_card_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
- business_card_url
- str
Adresa URL vizitky, která se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
- locale
- str
Národní prostředí vizitky. Mezi podporovaná národní prostředí patří: en-US, en-AU, en-CA, en-GB a en-IN.
- include_field_elements
- bool
Určuje, zda se mají zahrnout všechny řádky na stránce a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete ve výsledku získat. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo rozsah oddělte čárkou.
- continuation_token
- str
Pokračovací token pro restartování poller z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
begin_recognize_content
Extrahujte z daného dokumentu text a informace o obsahu nebo rozložení. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
Novinka ve verzi v2.1: Stránky, jazyk a reading_order argumenty klíčových slov a podpora obsahu obrázku/bmp
begin_recognize_content(form: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[FormPage]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete ve výsledku získat. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo rozsah oddělte čárkou.
- language
- str
Kód jazyka BCP-47 textu v dokumentu. Podporované kódy jazyků najdete tady: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Obsah podporuje automatickou identifikaci jazyka a dokumenty s více jazyky, takže kód jazyka zadejte pouze v případě, že chcete vynutit zpracování dokumentovaného dokumentu jako konkrétního jazyka.
- reading_order
- str
Algoritmus pořadí čtení, který seřadí vrácené řádky textu. Mezi podporované směry čtení patří: základní (výchozí), přirozené. Pokud chcete seřadit řádky zleva doprava a shora dolů, nastavte "základní", i když v některých případech se s blízkostí zachází s vyšší prioritou. Pokud chcete řadit řádky, nastavte možnost "přirozené", a to pomocí informací o poloze, abyste měli řádky v blízkosti pohromadě.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu je automaticky zjištěn, ale lze jej přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
- continuation_token
- str
Pokračovací token pro restartování poller z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[FormPage].
Návratový typ
Výjimky
Příklady
Rozpoznávání textu a obsahu nebo informací o rozložení z formuláře
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(endpoint=endpoint, credential=AzureKeyCredential(key))
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_content(form=f)
form_pages = poller.result()
for idx, content in enumerate(form_pages):
print("----Recognizing content from page #{}----".format(idx+1))
print("Page has width: {} and height: {}, measured with unit: {}".format(
content.width,
content.height,
content.unit
))
for table_idx, table in enumerate(content.tables):
print("Table # {} has {} rows and {} columns".format(table_idx, table.row_count, table.column_count))
print("Table # {} location on page: {}".format(table_idx, format_bounding_box(table.bounding_box)))
for cell in table.cells:
print("...Cell[{}][{}] has text '{}' within bounding box '{}'".format(
cell.row_index,
cell.column_index,
cell.text,
format_bounding_box(cell.bounding_box)
))
for line_idx, line in enumerate(content.lines):
print("Line # {} has word count '{}' and text '{}' within bounding box '{}'".format(
line_idx,
len(line.words),
line.text,
format_bounding_box(line.bounding_box)
))
if line.appearance:
if line.appearance.style_name == "handwriting" and line.appearance.style_confidence > 0.8:
print("Text line '{}' is handwritten and might be a signature.".format(line.text))
for word in line.words:
print("...Word '{}' has a confidence of {}".format(word.text, word.confidence))
for selection_mark in content.selection_marks:
print("Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
selection_mark.state,
format_bounding_box(selection_mark.bounding_box),
selection_mark.confidence
))
print("----------------------------------------")
begin_recognize_content_from_url
Extrahuje text a informace o rozložení z daného dokumentu. Vstupní dokument musí být umístění (adresa URL) dokumentu, který se má analyzovat.
Novinka ve verzi v2.1: Stránky, jazyk a reading_order argumenty klíčových slov a podpora obsahu obrázku/bmp
begin_recognize_content_from_url(form_url: str, **kwargs: Any) -> LROPoller[List[FormPage]]
Parametry
- form_url
- str
Adresa URL formuláře, který se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete ve výsledku získat. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo rozsah oddělte čárkou.
- language
- str
Kód jazyka BCP-47 textu v dokumentu. Podporované kódy jazyků najdete tady: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Obsah podporuje automatickou identifikaci jazyka a dokumenty s více jazyky, takže kód jazyka zadejte pouze v případě, že chcete vynutit zpracování dokumentovaného dokumentu jako konkrétního jazyka.
- reading_order
- str
Algoritmus pořadí čtení, který seřadí vrácené řádky textu. Mezi podporované směry čtení patří: základní (výchozí), přirozené. Pokud chcete seřadit řádky zleva doprava a shora dolů, nastavte "základní", i když v některých případech se s blízkostí zachází s vyšší prioritou. Pokud chcete řadit řádky, nastavte možnost "přirozené", a to pomocí informací o poloze, abyste měli řádky v blízkosti pohromadě.
- continuation_token
- str
Pokračovací token pro restartování poller z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[FormPage].
Návratový typ
Výjimky
begin_recognize_custom_forms
Analýza vlastního formuláře pomocí modelu vytrénovaného s popisky nebo bez popisků Formulář, který se má analyzovat, by měl být stejného typu jako formuláře použité k trénování modelu. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
begin_recognize_custom_forms(model_id: str, form: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu se detekuje automaticky, ale dá se přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpoznávat pole a hodnoty z vlastního formuláře.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
model_id = os.getenv("CUSTOM_TRAINED_MODEL_ID", custom_model_id)
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
# Make sure your form's type is included in the list of form types the custom model can recognize
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_custom_forms(
model_id=model_id, form=f, include_field_elements=True
)
forms = poller.result()
for idx, form in enumerate(forms):
print("--------Recognizing Form #{}--------".format(idx+1))
print("Form has type {}".format(form.form_type))
print("Form has form type confidence {}".format(form.form_type_confidence))
print("Form was analyzed with model with ID {}".format(form.model_id))
for name, field in form.fields.items():
# each field is of type FormField
# label_data is populated if you are using a model trained without labels,
# since the service needs to make predictions for labels if not explicitly given to it.
if field.label_data:
print("...Field '{}' has label '{}' with a confidence score of {}".format(
name,
field.label_data.text,
field.confidence
))
print("...Label '{}' has value '{}' with a confidence score of {}".format(
field.label_data.text if field.label_data else name, field.value, field.confidence
))
# iterate over tables, lines, and selection marks on each page
for page in form.pages:
for i, table in enumerate(page.tables):
print("\nTable {} on page {}".format(i+1, table.page_number))
for cell in table.cells:
print("...Cell[{}][{}] has text '{}' with confidence {}".format(
cell.row_index, cell.column_index, cell.text, cell.confidence
))
print("\nLines found on page {}".format(page.page_number))
for line in page.lines:
print("...Line '{}' is made up of the following words: ".format(line.text))
for word in line.words:
print("......Word '{}' has a confidence of {}".format(
word.text,
word.confidence
))
if page.selection_marks:
print("\nSelection marks found on page {}".format(page.page_number))
for selection_mark in page.selection_marks:
print("......Selection mark is '{}' and has a confidence of {}".format(
selection_mark.state,
selection_mark.confidence
))
print("-----------------------------------")
begin_recognize_custom_forms_from_url
Analýza vlastního formuláře pomocí modelu vytrénovaného s popisky nebo bez popisků Formulář, který se má analyzovat, by měl být stejného typu jako formuláře použité k trénování modelu. Vstupní dokument musí být umístění (adresa URL) dokumentu, který se má analyzovat.
begin_recognize_custom_forms_from_url(model_id: str, form_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
- form_url
- str
Adresa URL formuláře, který se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
begin_recognize_identity_documents
Extrahuje text pole a sémantické hodnoty z daného dokumentu identity. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
Pole nalezená v dokumentu identity najdete tady: https://aka.ms/formrecognizer/iddocumentfields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_identity_documents
begin_recognize_identity_documents(identity_document: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu se detekuje automaticky, ale dá se přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpoznávat pole dokumentu identity.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_identity_documents(identity_document=f)
id_documents = poller.result()
for idx, id_document in enumerate(id_documents):
print("--------Recognizing ID document #{}--------".format(idx+1))
first_name = id_document.fields.get("FirstName")
if first_name:
print("First Name: {} has confidence: {}".format(first_name.value, first_name.confidence))
last_name = id_document.fields.get("LastName")
if last_name:
print("Last Name: {} has confidence: {}".format(last_name.value, last_name.confidence))
document_number = id_document.fields.get("DocumentNumber")
if document_number:
print("Document Number: {} has confidence: {}".format(document_number.value, document_number.confidence))
dob = id_document.fields.get("DateOfBirth")
if dob:
print("Date of Birth: {} has confidence: {}".format(dob.value, dob.confidence))
doe = id_document.fields.get("DateOfExpiration")
if doe:
print("Date of Expiration: {} has confidence: {}".format(doe.value, doe.confidence))
sex = id_document.fields.get("Sex")
if sex:
print("Sex: {} has confidence: {}".format(sex.value, sex.confidence))
address = id_document.fields.get("Address")
if address:
print("Address: {} has confidence: {}".format(address.value, address.confidence))
country_region = id_document.fields.get("CountryRegion")
if country_region:
print("Country/Region: {} has confidence: {}".format(country_region.value, country_region.confidence))
region = id_document.fields.get("Region")
if region:
print("Region: {} has confidence: {}".format(region.value, region.confidence))
begin_recognize_identity_documents_from_url
Extrahuje text pole a sémantické hodnoty z daného dokumentu identity. Vstupní dokument musí být umístění (adresa URL) dokumentu identity, který se má analyzovat.
Pole nalezená v dokumentu identity najdete tady: https://aka.ms/formrecognizer/iddocumentfields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_identity_documents_from_url
begin_recognize_identity_documents_from_url(identity_document_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
- identity_document_url
- str
Adresa URL dokumentu identity, který se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
begin_recognize_invoices
Extrahuje text pole a sémantické hodnoty z dané faktury. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
Pole nalezená na faktuře najdete tady: https://aka.ms/formrecognizer/invoicefields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_invoices
begin_recognize_invoices(invoice: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
- locale
- str
Národní prostředí faktury. Mezi podporovaná národní prostředí patří: en-US
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu se detekuje automaticky, ale dá se přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpoznávat faktury ze souboru.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_invoices(invoice=f, locale="en-US")
invoices = poller.result()
for idx, invoice in enumerate(invoices):
print("--------Recognizing invoice #{}--------".format(idx+1))
vendor_name = invoice.fields.get("VendorName")
if vendor_name:
print("Vendor Name: {} has confidence: {}".format(vendor_name.value, vendor_name.confidence))
vendor_address = invoice.fields.get("VendorAddress")
if vendor_address:
print("Vendor Address: {} has confidence: {}".format(vendor_address.value, vendor_address.confidence))
vendor_address_recipient = invoice.fields.get("VendorAddressRecipient")
if vendor_address_recipient:
print("Vendor Address Recipient: {} has confidence: {}".format(vendor_address_recipient.value, vendor_address_recipient.confidence))
customer_name = invoice.fields.get("CustomerName")
if customer_name:
print("Customer Name: {} has confidence: {}".format(customer_name.value, customer_name.confidence))
customer_id = invoice.fields.get("CustomerId")
if customer_id:
print("Customer Id: {} has confidence: {}".format(customer_id.value, customer_id.confidence))
customer_address = invoice.fields.get("CustomerAddress")
if customer_address:
print("Customer Address: {} has confidence: {}".format(customer_address.value, customer_address.confidence))
customer_address_recipient = invoice.fields.get("CustomerAddressRecipient")
if customer_address_recipient:
print("Customer Address Recipient: {} has confidence: {}".format(customer_address_recipient.value, customer_address_recipient.confidence))
invoice_id = invoice.fields.get("InvoiceId")
if invoice_id:
print("Invoice Id: {} has confidence: {}".format(invoice_id.value, invoice_id.confidence))
invoice_date = invoice.fields.get("InvoiceDate")
if invoice_date:
print("Invoice Date: {} has confidence: {}".format(invoice_date.value, invoice_date.confidence))
invoice_total = invoice.fields.get("InvoiceTotal")
if invoice_total:
print("Invoice Total: {} has confidence: {}".format(invoice_total.value, invoice_total.confidence))
due_date = invoice.fields.get("DueDate")
if due_date:
print("Due Date: {} has confidence: {}".format(due_date.value, due_date.confidence))
purchase_order = invoice.fields.get("PurchaseOrder")
if purchase_order:
print("Purchase Order: {} has confidence: {}".format(purchase_order.value, purchase_order.confidence))
billing_address = invoice.fields.get("BillingAddress")
if billing_address:
print("Billing Address: {} has confidence: {}".format(billing_address.value, billing_address.confidence))
billing_address_recipient = invoice.fields.get("BillingAddressRecipient")
if billing_address_recipient:
print("Billing Address Recipient: {} has confidence: {}".format(billing_address_recipient.value, billing_address_recipient.confidence))
shipping_address = invoice.fields.get("ShippingAddress")
if shipping_address:
print("Shipping Address: {} has confidence: {}".format(shipping_address.value, shipping_address.confidence))
shipping_address_recipient = invoice.fields.get("ShippingAddressRecipient")
if shipping_address_recipient:
print("Shipping Address Recipient: {} has confidence: {}".format(shipping_address_recipient.value, shipping_address_recipient.confidence))
print("Invoice items:")
for idx, item in enumerate(invoice.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_description = item.value.get("Description")
if item_description:
print("......Description: {} has confidence: {}".format(item_description.value, item_description.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
unit = item.value.get("Unit")
if unit:
print("......Unit: {} has confidence: {}".format(unit.value, unit.confidence))
unit_price = item.value.get("UnitPrice")
if unit_price:
print("......Unit Price: {} has confidence: {}".format(unit_price.value, unit_price.confidence))
product_code = item.value.get("ProductCode")
if product_code:
print("......Product Code: {} has confidence: {}".format(product_code.value, product_code.confidence))
item_date = item.value.get("Date")
if item_date:
print("......Date: {} has confidence: {}".format(item_date.value, item_date.confidence))
tax = item.value.get("Tax")
if tax:
print("......Tax: {} has confidence: {}".format(tax.value, tax.confidence))
amount = item.value.get("Amount")
if amount:
print("......Amount: {} has confidence: {}".format(amount.value, amount.confidence))
subtotal = invoice.fields.get("SubTotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
total_tax = invoice.fields.get("TotalTax")
if total_tax:
print("Total Tax: {} has confidence: {}".format(total_tax.value, total_tax.confidence))
previous_unpaid_balance = invoice.fields.get("PreviousUnpaidBalance")
if previous_unpaid_balance:
print("Previous Unpaid Balance: {} has confidence: {}".format(previous_unpaid_balance.value, previous_unpaid_balance.confidence))
amount_due = invoice.fields.get("AmountDue")
if amount_due:
print("Amount Due: {} has confidence: {}".format(amount_due.value, amount_due.confidence))
service_start_date = invoice.fields.get("ServiceStartDate")
if service_start_date:
print("Service Start Date: {} has confidence: {}".format(service_start_date.value, service_start_date.confidence))
service_end_date = invoice.fields.get("ServiceEndDate")
if service_end_date:
print("Service End Date: {} has confidence: {}".format(service_end_date.value, service_end_date.confidence))
service_address = invoice.fields.get("ServiceAddress")
if service_address:
print("Service Address: {} has confidence: {}".format(service_address.value, service_address.confidence))
service_address_recipient = invoice.fields.get("ServiceAddressRecipient")
if service_address_recipient:
print("Service Address Recipient: {} has confidence: {}".format(service_address_recipient.value, service_address_recipient.confidence))
remittance_address = invoice.fields.get("RemittanceAddress")
if remittance_address:
print("Remittance Address: {} has confidence: {}".format(remittance_address.value, remittance_address.confidence))
remittance_address_recipient = invoice.fields.get("RemittanceAddressRecipient")
if remittance_address_recipient:
print("Remittance Address Recipient: {} has confidence: {}".format(remittance_address_recipient.value, remittance_address_recipient.confidence))
begin_recognize_invoices_from_url
Extrahuje text pole a sémantické hodnoty z dané faktury. Vstupní dokument musí být umístění (ADRESA URL) faktury, která se má analyzovat.
Pole nalezená na kartě faktury najdete tady: https://aka.ms/formrecognizer/invoicefields
Novinka ve verzi v2.1: Metoda klienta begin_recognize_invoices_from_url
begin_recognize_invoices_from_url(invoice_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
- invoice_url
- str
Adresa URL faktury, která se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
- locale
- str
Národní prostředí faktury. Mezi podporovaná národní prostředí patří: en-US
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
begin_recognize_receipts
Extrahujte text pole a sémantické hodnoty z dané prodejní účtenky. Vstupní dokument musí mít jeden z podporovaných typů obsahu – "application/pdf", "image/jpeg", "image/png", "image/tiff" nebo "image/bmp".
Pole nalezená na potvrzení najdete tady: https://aka.ms/formrecognizer/receiptfields
Novinka ve verzi v2.1: Argumenty klíčových slov národního prostředí a stránek a podpora obsahu image/bmp
begin_recognize_receipts(receipt: bytes | IO[bytes], **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
Datový proud nebo bajty souborů typu JPEG, PNG, PDF, TIFF nebo BMP
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
- content_type
- str nebo FormContentType
Typ obsahu textu odeslaného do rozhraní API. Typ obsahu se detekuje automaticky, ale dá se přepsat předáním tohoto argumentu klíčového slova. Možnosti najdete v tématu FormContentType.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
- locale
- str
Národní prostředí potvrzení. Mezi podporovaná národní prostředí patří: en-US, en-AU, en-CA, en-GB a en-IN.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpoznat pole prodejního dokladu.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_forms, "rb") as f:
poller = form_recognizer_client.begin_recognize_receipts(receipt=f, locale="en-US")
receipts = poller.result()
for idx, receipt in enumerate(receipts):
print("--------Recognizing receipt #{}--------".format(idx+1))
receipt_type = receipt.fields.get("ReceiptType")
if receipt_type:
print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
merchant_name = receipt.fields.get("MerchantName")
if merchant_name:
print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
transaction_date = receipt.fields.get("TransactionDate")
if transaction_date:
print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
if receipt.fields.get("Items"):
print("Receipt items:")
for idx, item in enumerate(receipt.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_name = item.value.get("Name")
if item_name:
print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
item_price = item.value.get("Price")
if item_price:
print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
item_total_price = item.value.get("TotalPrice")
if item_total_price:
print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
subtotal = receipt.fields.get("Subtotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
tax = receipt.fields.get("Tax")
if tax:
print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
tip = receipt.fields.get("Tip")
if tip:
print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
total = receipt.fields.get("Total")
if total:
print("Total: {} has confidence: {}".format(total.value, total.confidence))
print("--------------------------------------")
begin_recognize_receipts_from_url
Extrahujte text pole a sémantické hodnoty z dané prodejní účtenky. Vstupní dokument musí být umístění (ADRESA URL) potvrzení, které se má analyzovat.
Pole nalezená na potvrzení najdete tady: https://aka.ms/formrecognizer/receiptfields
Novinka ve verzi v2.1: Argumenty klíčových slov národního prostředí a stránek a podpora obsahu image/bmp
begin_recognize_receipts_from_url(receipt_url: str, **kwargs: Any) -> LROPoller[List[RecognizedForm]]
Parametry
- receipt_url
- str
Adresa URL potvrzení, která se má analyzovat. Vstup musí být platná zakódovaná adresa URL jednoho z podporovaných formátů: JPEG, PNG, PDF, TIFF nebo BMP.
- include_field_elements
- bool
Zda se mají zahrnout všechny řádky na stránku a prvky pole, jako jsou řádky, slova a značky výběru pro každé pole formuláře.
- continuation_token
- str
Pokračovací token pro restartování polleru z uloženého stavu.
- locale
- str
Národní prostředí potvrzení. Mezi podporovaná národní prostředí patří: en-US, en-AU, en-CA, en-GB a en-IN.
Vlastní čísla stránek pro vícestránkové dokumenty (PDF/TIFF) Zadejte čísla stránek nebo rozsahy stránek, které chcete získat ve výsledku. Pro rozsah stránek použijte spojovník, například pages=["1-3", "5-6"]. Jednotlivé číslo stránky nebo oblast oddělte čárkou.
Návraty
An instance of an LROPoller. Voláním metody result() u objektu poller vrátíte seznam[RecognizedForm].
Návratový typ
Výjimky
Příklady
Rozpozná pole potvrzení o prodeji z adresy URL.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
url = "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/tests/sample_forms/receipt/contoso-receipt.png"
poller = form_recognizer_client.begin_recognize_receipts_from_url(receipt_url=url)
receipts = poller.result()
for idx, receipt in enumerate(receipts):
print("--------Recognizing receipt #{}--------".format(idx+1))
receipt_type = receipt.fields.get("ReceiptType")
if receipt_type:
print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
merchant_name = receipt.fields.get("MerchantName")
if merchant_name:
print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
transaction_date = receipt.fields.get("TransactionDate")
if transaction_date:
print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
if receipt.fields.get("Items"):
print("Receipt items:")
for idx, item in enumerate(receipt.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_name = item.value.get("Name")
if item_name:
print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
item_price = item.value.get("Price")
if item_price:
print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
item_total_price = item.value.get("TotalPrice")
if item_total_price:
print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
subtotal = receipt.fields.get("Subtotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
tax = receipt.fields.get("Tax")
if tax:
print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
tip = receipt.fields.get("Tip")
if tip:
print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
total = receipt.fields.get("Total")
if total:
print("Total: {} has confidence: {}".format(total.value, total.confidence))
print("--------------------------------------")
close
send_request
Spustí síťový požadavek pomocí existujícího kanálu klienta.
Adresa URL požadavku může být relativní vzhledem k základní adrese URL. Pokud není uvedeno jinak, verze rozhraní API služby použitá pro požadavek je stejná jako verze rozhraní API klienta. Přepsání nakonfigurované verze rozhraní API klienta v relativní adrese URL se podporuje u klienta s rozhraním API verze 2022-08-31 a novější. Přepsání absolutní adresy URL podporované na klientovi s libovolnou verzí rozhraní API Tato metoda nevyvolá, pokud odpověď je chyba; pokud chcete vyvolat výjimku, zavolejte raise_for_status() u vráceného objektu odpovědi. Další informace o odesílání vlastních požadavků pomocí této metody najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request.
send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> HttpResponse
Parametry
- stream
- bool
Jestli se datová část odpovědi bude streamovat. Výchozí hodnota je False.
Návraty
Odpověď síťového volání. Nezvládá zpracování chyb u vaší odpovědi.
Návratový typ
Výjimky
Azure SDK for Python