A dokumentumintelligencia használatának első lépései

Fontos

• Az Azure Cognitive Services Form Recognizer mostantól Azure AI-dokumentumintelligencia.
• Egyes platformok továbbra is az átnevezési frissítésre várnak.
• A Dokumentációnkban a Form Recognizer vagy a Document Intelligence minden említése ugyanarra az Azure-szolgáltatásra vonatkozik.

Ez a tartalom a következőre vonatkozik: v4.0 (előzetes verzió) Korábbi verziók: v3.1 (GA) v3.0 (GA)

• Ismerkedés az Azure AI Document Intelligence legújabb előzetes verziójával (2024-07-31-preview).

• Az Azure AI Document Intelligence /Form Recognizer egy felhőalapú Azure AI-szolgáltatás, amely gépi tanulással kinyeri a kulcs-érték párokat, szövegeket, táblákat és kulcsadatokat a dokumentumokból.

• A dokumentumfeldolgozó modelleket egyszerűen integrálhatja munkafolyamataiba és alkalmazásaiba egy programozási nyelvű SDK használatával vagy a REST API meghívásával.

• Ebben a rövid útmutatóban azt javasoljuk, hogy a technológia elsajátítása során használja az ingyenes szolgáltatást. Ne feledje, hogy az ingyenes oldalak száma havonta legfeljebb 500 lehet.

Ha többet szeretne megtudni az API-funkciókról és a fejlesztési lehetőségekről, látogasson el az Áttekintés oldalra.

Ügyfélkódtár SDK-referencia | REST API-referenciacsomagminták| | | támogatott REST API-verziója |

Ebben a rövid útmutatóban az alábbi funkciókkal elemezheti és kinyerheti az adatokat és értékeket űrlapokból és dokumentumokból:

• Elrendezési modell – Táblázatok, vonalak, szavak és kijelölési jelek, például választógombok és jelölőnégyzetek elemzése és kinyerése a dokumentumokban, modell betanítása nélkül.

• Előre összeállított modell – Általános mezők elemzése és kinyerése adott dokumentumtípusokból előre összeállított modell használatával.

Előfeltételek

• Azure-előfizetés – Hozzon létre egyet ingyenesen.

• A Visual Studio IDE aktuális verziója.

• Azure AI-szolgáltatások vagy Dokumentumintelligencia-erőforrás. Ha már rendelkezik Azure-előfizetéssel, hozzon létre egy egyszolgáltatásos vagy többszolgáltatásos Azure AI-erőforrást az Azure Portalon a kulcs és a végpont lekéréséhez.

• Az ingyenes tarifacsomag (F0) használatával kipróbálhatja a szolgáltatást, és később frissíthet egy fizetős szintre az éles környezetben.

Tipp.

Azure AI-szolgáltatási erőforrás létrehozása, ha több Azure AI-szolgáltatást szeretne elérni egyetlen végpont/kulcs alatt. Csak dokumentumintelligencia-hozzáféréshez hozzon létre egy dokumentumintelligencia-erőforrást. Vegye figyelembe, hogy a Microsoft Entra-hitelesítés használatához egy egyszolgáltatásos erőforrásra lesz szüksége.

• Az erőforrás üzembe helyezése után válassza az Ugrás az erőforrásra lehetőséget. Az alkalmazás a Document Intelligence API-hoz való csatlakoztatásához szüksége van a létrehozott erőforrás kulcsára és végpontjára. A rövid útmutató későbbi részében beillesztheti a kulcsot és a végpontot a kódba:

  

Beállítás

1. Indítsa el a Visual Studiót.

2. A kezdőlapon válassza az Új projekt létrehozása lehetőséget.

   

3. Az Új projekt létrehozása lapon adja meg a konzolt a keresőmezőbe. Válassza ki a konzolalkalmazás-sablont, majd válassza a Tovább gombot.

   

4. Az új projekt konfigurálása párbeszédpanelen írja be doc_intel_quickstart a Projekt neve mezőbe. Ezután válassza a Tovább gombot.

5. A További információ párbeszédpanelen válassza a .NET 8.0 (Hosszú távú támogatás) lehetőséget, majd válassza a Létrehozás lehetőséget.

   

Az ügyfélkódtár telepítése a NuGettel

1. Kattintson a jobb gombbal a doc_intel_quickstart projektre, és válassza a NuGet-csomagok kezelése... lehetőséget.

   

2. Válassza a Tallózás lapot, és írja be az Azure.AI.FormRecognizer parancsot.

3. Jelölje be a Include prerelease jelölőnégyzetet.

   

4. Válasszon egy verziót a legördülő menüből, és telepítse a csomagot a projektbe.

Az alkalmazás összeállítása

A Dokumentumintelligencia szolgáltatás használatához létre kell hoznia az osztály egy példányát DocumentIntelligenceClient . Ehhez létre kell hoznia egy példányt AzureKeyCredential key az Azure Portalról, valamint egy DocumentIntelligenceClient példányt a dokumentumintelligencia és a AzureKeyCredential dokumentumintelligencia használatával endpoint.

Feljegyzés

• A .NET 6-tól kezdve a console sablont használó új projektek új programstílust hoznak létre, amely eltér a korábbi verzióktól.
• Az új kimenet a legutóbbi C#-funkciókat használja, amelyek leegyszerűsítik az írandó kódot.
• Az újabb verzió használatakor csak a metódus törzsét Main kell megírnia. Nem kell felső szintű utasításokat, globális irányelveket vagy implicit irányelveket használnia.
• További információ: Új C#-sablonok legfelső szintű utasítások létrehozása.

1. Nyissa meg a Program.cs fájlt.

2. Törölje a már meglévő kódot, beleértve a sort Console.Writeline("Hello World!")is, és válassza ki az alábbi kódminták egyikét az alkalmazás Program.cs fájljába való másoláshoz és beillesztéshez:

   • Elrendezési modell

   • Előre összeállított modell

Fontos

Ne felejtse el eltávolítani a kulcsot a kódból, amikor elkészült, és soha ne tegye közzé nyilvánosan. Éles környezetben biztonságos módon tárolhatja és érheti el a hitelesítő adatait, például az Azure Key Vaultot. További információ: Azure AI-szolgáltatások biztonsága.

Elrendezési modell

Szöveg, kijelölési jelek, szövegstílusok, táblázatstruktúrák és határolórégió koordinátáinak kinyerése dokumentumokból.

• Ebben a példában egy URI-ból származó dokumentumfájlra lesz szüksége. Ehhez a rövid útmutatóhoz használhatja a mintadokumentumunkat.
• Hozzáadtuk a fájl URI-értékét a Uri fileUri szkript tetején található változóhoz.
• Ha ki szeretné nyerni az elrendezést egy adott fájlból egy URI-n, használja a StartAnalyzeDocumentFromUri metódust, és adja át prebuilt-layout a modellazonosítót. A visszaadott érték egy AnalyzeResult olyan objektum, amely az elküldött dokumentumból származó adatokat tartalmazza.

Adja hozzá a következő kódmintát a Program.cs fájlhoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

using Azure;
using Azure.AI.DocumentIntelligence;

//set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal to create your `AzureKeyCredential` and `DocumentIntelligenceClient` instance
string endpoint = "<your-endpoint>";
string key = "<your-key>";
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentIntelligenceClient client = new DocumentIntelligenceClient(new Uri(endpoint), credential);

//sample document
Uri fileUri = new Uri ("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf");

AnalyzeDocumentContent content = new AnalyzeDocumentContent()
{
    UrlSource= fileUri
};

Operation<AnalyzeResult> operation = await client.AnalyzeDocumentAsync(WaitUntil.Completed, "prebuilt-layout", content);

AnalyzeResult result = operation.Value;

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s)," +
        $" and {page.SelectionMarks.Count} selection mark(s).");

    for (int i = 0; i < page.Lines.Count; i++)
    {
        DocumentLine line = page.Lines[i];

        Console.WriteLine($"  Line {i}:");
        Console.WriteLine($"    Content: '{line.Content}'");

        Console.Write("    Bounding polygon, with points ordered clockwise:");
        for (int j = 0; j < line.Polygon.Count; j += 2)
        {
            Console.Write($" ({line.Polygon[j]}, {line.Polygon[j + 1]})");
        }

        Console.WriteLine();
    }

    for (int i = 0; i < page.SelectionMarks.Count; i++)
    {
        DocumentSelectionMark selectionMark = page.SelectionMarks[i];

        Console.WriteLine($"  Selection Mark {i} is {selectionMark.State}.");
        Console.WriteLine($"    State: {selectionMark.State}");

        Console.Write("    Bounding polygon, with points ordered clockwise:");
        for (int j = 0; j < selectionMark.Polygon.Count; j++)
        {
            Console.Write($" ({selectionMark.Polygon[j]}, {selectionMark.Polygon[j + 1]})");
        }

        Console.WriteLine();
    }
}

for (int i = 0; i < result.Paragraphs.Count; i++)
{
    DocumentParagraph paragraph = result.Paragraphs[i];

    Console.WriteLine($"Paragraph {i}:");
    Console.WriteLine($"  Content: {paragraph.Content}");

    if (paragraph.Role != null)
    {
        Console.WriteLine($"  Role: {paragraph.Role}");
    }
}

foreach (DocumentStyle style in result.Styles)
{
    // Check the style and style confidence to see if text is handwritten.
    // Note that value '0.8' is used as an example.

    bool isHandwritten = style.IsHandwritten.HasValue && style.IsHandwritten == true;

    if (isHandwritten && style.Confidence > 0.8)
    {
        Console.WriteLine($"Handwritten content found:");

        foreach (DocumentSpan span in style.Spans)
        {
            var handwrittenContent = result.Content.Substring(span.Offset, span.Length);
            Console.WriteLine($"  {handwrittenContent}");
        }
    }
}

for (int i = 0; i < result.Tables.Count; i++)
{
    DocumentTable table = result.Tables[i];

    Console.WriteLine($"Table {i} has {table.RowCount} rows and {table.ColumnCount} columns.");

    foreach (DocumentTableCell cell in table.Cells)
    {
        Console.WriteLine($"  Cell ({cell.RowIndex}, {cell.ColumnIndex}) is a '{cell.Kind}' with content: {cell.Content}");
    }
}

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, válassza a zöld Start gombot a formRecognizer_quickstart mellett a program létrehozásához és futtatásához, vagy nyomja le az F5 billentyűt.

Előre összeállított modell

Egy előre összeállított modell használatával elemezheti és kinyerheti a gyakori mezőket adott dokumentumtípusokból. Ebben a példában egy számlát elemezünk az előre összeállított számlamodell használatával.

Tipp.

Nem korlátozódik a számlákra – számos előre összeállított modell közül választhat, amelyek mindegyike saját támogatott mezőkkel rendelkezik. A művelethez analyze használandó modell az elemezni kívánt dokumentum típusától függ. Lásd: modelladatok kinyerése.

• Számla elemzése az előre összeállított számlamodell használatával. Ehhez a rövid útmutatóhoz használhatja a számlaminta-dokumentumunkat.
• Hozzáadtuk a fájl URI-értékét a Uri invoiceUri Program.cs fájl tetején lévő változóhoz.
• Ha egy adott fájlt egy URI-n szeretne elemezni, használja a StartAnalyzeDocumentFromUri metódust, és adja át prebuilt-invoice a modellazonosítót. A visszaadott érték egy AnalyzeResult olyan objektum, amely az elküldött dokumentumból származó adatokat tartalmazza.
• Az egyszerűség kedvéért a szolgáltatás által visszaadott kulcs-érték párok nem jelennek meg itt. A támogatott mezők és a kapcsolódó típusok listáját a Számla koncepció oldalán tekintheti meg.

Adja hozzá a következő kódmintát a Program.cs fájlhoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

using Azure;
using Azure.AI.DocumentIntelligence;

//set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal to create your `AzureKeyCredential` and `DocumentIntelligenceClient` instance
string endpoint = "<your-endpoint>";
string key = "<your-key>";
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentIntelligenceClient client = new DocumentIntelligenceClient(new Uri(endpoint), credential);

//sample invoice document

Uri invoiceUri = new Uri ("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-invoice.pdf");

AnalyzeDocumentContent content = new AnalyzeDocumentContent()
{
    UrlSource = invoiceUri
};

Operation<AnalyzeResult> operation = await client.AnalyzeDocumentAsync(WaitUntil.Completed, "prebuilt-invoice", content);

AnalyzeResult result = operation.Value;

for (int i = 0; i < result.Documents.Count; i++)
{
    Console.WriteLine($"Document {i}:");

    AnalyzedDocument document = result.Documents[i];

    if (document.Fields.TryGetValue("VendorName", out DocumentField vendorNameField)
        && vendorNameField.Type == DocumentFieldType.String)
    {
        string vendorName = vendorNameField.ValueString;
        Console.WriteLine($"Vendor Name: '{vendorName}', with confidence {vendorNameField.Confidence}");
    }

    if (document.Fields.TryGetValue("CustomerName", out DocumentField customerNameField)
        && customerNameField.Type == DocumentFieldType.String)
    {
        string customerName = customerNameField.ValueString;
        Console.WriteLine($"Customer Name: '{customerName}', with confidence {customerNameField.Confidence}");
    }

    if (document.Fields.TryGetValue("Items", out DocumentField itemsField)
        && itemsField.Type == DocumentFieldType.Array)
    {
        foreach (DocumentField itemField in itemsField.ValueArray)
        {
            Console.WriteLine("Item:");

            if (itemField.Type == DocumentFieldType.Object)
            {
                IReadOnlyDictionary<string, DocumentField> itemFields = itemField.ValueObject;

                if (itemFields.TryGetValue("Description", out DocumentField itemDescriptionField)
                    && itemDescriptionField.Type == DocumentFieldType.String)
                {
                    string itemDescription = itemDescriptionField.ValueString;
                    Console.WriteLine($"  Description: '{itemDescription}', with confidence {itemDescriptionField.Confidence}");
                }

                if (itemFields.TryGetValue("Amount", out DocumentField itemAmountField)
                    && itemAmountField.Type == DocumentFieldType.Currency)
                {
                    CurrencyValue itemAmount = itemAmountField.ValueCurrency;
                    Console.WriteLine($"  Amount: '{itemAmount.CurrencySymbol}{itemAmount.Amount}', with confidence {itemAmountField.Confidence}");
                }
            }
        }
    }

    if (document.Fields.TryGetValue("SubTotal", out DocumentField subTotalField)
        && subTotalField.Type == DocumentFieldType.Currency)
    {
        CurrencyValue subTotal = subTotalField.ValueCurrency;
        Console.WriteLine($"Sub Total: '{subTotal.CurrencySymbol}{subTotal.Amount}', with confidence {subTotalField.Confidence}");
    }

    if (document.Fields.TryGetValue("TotalTax", out DocumentField totalTaxField)
        && totalTaxField.Type == DocumentFieldType.Currency)
    {
        CurrencyValue totalTax = totalTaxField.ValueCurrency;
        Console.WriteLine($"Total Tax: '{totalTax.CurrencySymbol}{totalTax.Amount}', with confidence {totalTaxField.Confidence}");
    }

    if (document.Fields.TryGetValue("InvoiceTotal", out DocumentField invoiceTotalField)
        && invoiceTotalField.Type == DocumentFieldType.Currency)
    {
        CurrencyValue invoiceTotal = invoiceTotalField.ValueCurrency;
        Console.WriteLine($"Invoice Total: '{invoiceTotal.CurrencySymbol}{invoiceTotal.Amount}', with confidence {invoiceTotalField.Confidence}");
    }
}

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, válassza a zöld Start gombot a formRecognizer_quickstart mellett a program létrehozásához és futtatásához, vagy nyomja le az F5 billentyűt.

Ügyfélkódtár SDK-referencia | REST API-referenciacsomag | (Maven) | Minták |támogatott REST API-verzió |

Ebben a rövid útmutatóban az alábbi funkciókkal elemezheti és kinyerheti az adatokat és értékeket űrlapokból és dokumentumokból:

• Elrendezés – Táblázatok, vonalak, szavak és kijelölési jelek, például választógombok és jelölőnégyzetek elemzése és kinyerése a dokumentumokban, modell betanítása nélkül.

• Előre összeállított számla – Általános mezők elemzése és kinyerése adott dokumentumtípusokból egy előre betanított modell használatával.

Előfeltételek

• Azure-előfizetés – Hozzon létre egyet ingyenesen.

• A Visual Studio Code legújabb verziója vagy az ön által előnyben részesített IDE. Lásd a Java-t a Visual Studio Code-ban.

  Tipp.

  • A Visual Studio Code a Java kódolási csomagját kínálja Windowshoz és macOS-hez. A kódolási csomag a VS Code, a Java Fejlesztői Készlet (JDK) és a Microsoft által javasolt bővítmények gyűjteménye. A kódolási csomag egy meglévő fejlesztési környezet javításához is használható.
  • Ha a VS Code-ot és a Java kódolási csomagját használja, telepítse a Gradle for Java bővítményt.

• Ha nem a Visual Studio Code-ot használja, győződjön meg arról, hogy telepítve van a következő a fejlesztői környezetben:

  • A Java Development Kit (JDK) 8-es vagy újabb verziója. További információ: Microsoft Build of OpenJDK.

  • Gradle, 6.8-es vagy újabb verzió.

• Azure AI-szolgáltatások vagy Dokumentumintelligencia-erőforrás. Ha már rendelkezik Azure-előfizetéssel, hozzon létre egy egy vagy többszolgáltatásos dokumentumintelligencia-erőforrást az Azure Portalon a kulcs és a végpont lekéréséhez. Az ingyenes tarifacsomag (F0) használatával kipróbálhatja a szolgáltatást, és később frissíthet egy fizetős szintre az éles környezetben.

  Tipp.

  Azure AI-szolgáltatási erőforrás létrehozása, ha több Azure AI-szolgáltatást szeretne elérni egyetlen végpont/kulcs alatt. Csak dokumentumintelligencia-hozzáféréshez hozzon létre egy dokumentumintelligencia-erőforrást. Vegye figyelembe, hogy a Microsoft Entra-hitelesítés használatához egy egyszolgáltatásos erőforrásra lesz szüksége.

• Az erőforrás üzembe helyezése után válassza az Ugrás az erőforrásra lehetőséget. Az alkalmazás a Document Intelligence API-hoz való csatlakoztatásához szüksége van a létrehozott erőforrás kulcsára és végpontjára. Később illessze be a kulcsot és a végpontot a kódba:

  

Beállítás

Új Gradle-projekt létrehozása

1. A konzolablakban (például parancsmag, PowerShell vagy Bash) hozzon létre egy új könyvtárat az alkalmazáshoz doc-intel-app néven, és navigáljon hozzá.

   mkdir doc-intel-app && doc-intel-app
   

   mkdir doc-intel-app; cd doc-intel-app
   

2. Futtassa a gradle init parancsot a munkakönyvtárból. Ez a parancs alapvető buildfájlokat hoz létre a Gradle számára, beleértve a build.gradle.kts fájlt is, amelyet futásidőben használnak az alkalmazás létrehozásához és konfigurálásához.

   gradle init --type basic
   

3. Amikor a rendszer kéri, hogy válasszon egy DSL-t, válassza a Kotlin lehetőséget.

4. Fogadja el az alapértelmezett projektnevet (doc-intel-app) a Return vagy az Enter billentyűkombinációval.

Telepítse az ügyfélkódtárat

Ez a rövid útmutató a Gradle függőségkezelőt használja. A Maven Central-adattárban megtalálhatja a többi függőségkezelő ügyfélkódtárát és információit.

Nyissa meg a projekt build.gradle.kts fájlját az IDE-ben. A következő kódot fizetve adja meg az ügyfélkódtárat utasításként implementation , valamint a szükséges beépülő modulokat és beállításokat.

   plugins {
       java
       application
   }
   application {
       mainClass.set("DocIntelligence")
   }
   repositories {
       mavenCentral()
   }
   dependencies {
       implementation group: 'com.azure', name: 'azure-ai-documentintelligence', version: '1.0.0-beta.4'

   }

Java-alkalmazás létrehozása

A Dokumentumintelligencia szolgáltatás használatához létre kell hoznia az osztály egy példányát DocumentIntelligenceClient . Ehhez létre kell hoznia egy példányt AzureKeyCredential key az Azure Portalról, valamint egy DocumentIntelligenceClient példányt a dokumentumintelligencia és a AzureKeyCredential dokumentumintelligencia használatával endpoint.

1. A doc-intel-app könyvtárban futtassa a következő parancsot:

   mkdir -p src/main/java
   

   A következő könyvtárstruktúrát hozza létre:

   

2. Lépjen a java könyvtárra, és hozzon létre egy fájlt.DocIntelligence.java

   Tipp.

   • Új fájlt a PowerShell használatával hozhat létre.
   • Nyisson meg egy PowerShell-ablakot a projektkönyvtárban a Shift billentyűt lenyomva tartva kattintson a jobb gombbal a mappára.
   • Írja be a következő parancsot : New-Item DocIntelligence.java.

3. Nyissa meg a(z) DocIntelligence.java fájlt. Másolja és illessze be az alábbi kódminták egyikét az alkalmazásba:

   • Elrendezés

   • Előre összeállított számla

Fontos

Ne felejtse el eltávolítani a kulcsot a kódból, amikor elkészült, és soha ne tegye közzé nyilvánosan. Éles környezetben biztonságos módon tárolhatja és érheti el a hitelesítő adatait, például az Azure Key Vaultot. További információ: Azure AI-szolgáltatások biztonsága.

Elrendezési modell

Szöveg, kijelölési jelek, szövegstílusok, táblázatstruktúrák és határolórégió koordinátáinak kinyerése dokumentumokból.

• Ebben a példában egy URI-fájlra lesz szüksége. Ehhez a rövid útmutatóhoz használhatja a mintadokumentumunkat.
• Ha egy adott fájlt egy URI-n szeretne elemezni, használja a beginAnalyzeDocumentFromUrl metódust, és adja át prebuilt-layout a modellazonosítót. A visszaadott érték egy AnalyzeResult olyan objektum, amely adatokat tartalmaz az elküldött dokumentumról.
• Hozzáadtuk a fájl URI-értékét a documentUrl fő metódus változóhoz.

Adja hozzá a következő kódmintát a DocIntelligence.java fájlhoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.DocumentTable;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.util.List;

public class DocIntelligence {

  // set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal
  private static final String endpoint = "<your-endpoint>";
  private static final String key = "<your-key>";

  public static void main(String[] args) {

    // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
    DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
      .credential(new AzureKeyCredential(key))
      .endpoint(endpoint)
      .buildClient();

    // sample document
    String modelId = "prebuilt-layout";
    String documentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf";

    SyncPoller <AnalyzeResultOperation, AnalyzeResultOperation> analyzeLayoutPoller =
      client.beginAnalyzeDocument(modelId,
          null,
          null,
          null,
          null,
          null,
          null,
          new AnalyzeDocumentRequest().setUrlSource(documentUrl));

    AnalyzeResult analyzeLayoutResult = analyzeLayoutPoller.getFinalResult().getAnalyzeResult();

    // pages
    analyzeLayoutResult.getPages().forEach(documentPage -> {
      System.out.printf("Page has width: %.2f and height: %.2f, measured with unit: %s%n",
        documentPage.getWidth(),
        documentPage.getHeight(),
        documentPage.getUnit());

      // lines
      documentPage.getLines().forEach(documentLine ->
        System.out.printf("Line '%s' is within a bounding polygon %s.%n",
          documentLine.getContent(),
          documentLine.getPolygon()));

      // words
      documentPage.getWords().forEach(documentWord ->
        System.out.printf("Word '%s' has a confidence score of %.2f.%n",
          documentWord.getContent(),
          documentWord.getConfidence()));

      // selection marks
      documentPage.getSelectionMarks().forEach(documentSelectionMark ->
        System.out.printf("Selection mark is '%s' and is within a bounding polygon %s with confidence %.2f.%n",
          documentSelectionMark.getState().toString(),
          documentSelectionMark.getPolygon(),
          documentSelectionMark.getConfidence()));
    });

    // tables
    List < DocumentTable > tables = analyzeLayoutResult.getTables();
    for (int i = 0; i < tables.size(); i++) {
      DocumentTable documentTable = tables.get(i);
      System.out.printf("Table %d has %d rows and %d columns.%n", i, documentTable.getRowCount(),
        documentTable.getColumnCount());
      documentTable.getCells().forEach(documentTableCell -> {
        System.out.printf("Cell '%s', has row index %d and column index %d.%n", documentTableCell.getContent(),
          documentTableCell.getRowIndex(), documentTableCell.getColumnIndex());
      });
      System.out.println();
    }

    // styles
    analyzeLayoutResult.getStyles().forEach(documentStyle -
      > System.out.printf("Document is handwritten %s.%n", documentStyle.isHandwritten()));
  }
}

Az alkalmazás létrehozása és futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, lépjen vissza a fő projektkönyvtárhoz – a doc-intel-apphoz.

1. Az alkalmazás létrehozása a build következő paranccsal:

   gradle build
   

2. Futtassa az alkalmazást a run következő paranccsal:

   gradle run
   

Előre összeállított modell

Egy előre összeállított modell használatával elemezheti és kinyerheti a gyakori mezőket adott dokumentumtípusokból. Ebben a példában egy számlát elemezünk az előre összeállított számlamodell használatával.

Tipp.

Nem korlátozódik a számlákra – számos előre összeállított modell közül választhat, amelyek mindegyike saját támogatott mezőkkel rendelkezik. A művelethez analyze használandó modell az elemezni kívánt dokumentum típusától függ. Lásd: modelladatok kinyerése.

• Számla elemzése az előre összeállított számlamodell használatával. Ehhez a rövid útmutatóhoz használhatja a számlaminta-dokumentumunkat.
• Hozzáadtuk a fájl URL-címét a invoiceUrl fájl tetején lévő változóhoz.
• Ha egy adott fájlt egy URI-n szeretne elemezni, használja a beginAnalyzeDocuments metódust, és adja át PrebuiltModels.Invoice a modellazonosítót. A visszaadott érték egy result olyan objektum, amely adatokat tartalmaz az elküldött dokumentumról.
• Az egyszerűség kedvéért a szolgáltatás által visszaadott kulcs-érték párok nem jelennek meg itt. A támogatott mezők és a kapcsolódó típusok listáját a Számla koncepció oldalán tekintheti meg.

Adja hozzá a következő kódmintát a DocIntelligence.java fájlhoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {

  // set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal
  private static final String endpoint = "<your-endpoint>";
  private static final String key = "<your-key>";

  public static void main(String[] args) {

    // sample document
    String modelId = "prebuilt-invoice";
    String invoiceUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-invoice.pdf";

    public static void main(final String[] args) throws IOException {

      // Instantiate a client that will be used to call the service.
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

      SyncPoller<AnalyzeResultOperation, AnalyzeResultOperation > analyzeInvoicesPoller =
        client.beginAnalyzeDocument(modelId, 
            null,
            null,
            null,
            null,
            null,
            null,
            new AnalyzeDocumentRequest().setUrlSource(invoiceUrl));

      AnalyzeResult analyzeInvoiceResult = analyzeInvoicesPoller.getFinalResult().getAnalyzeResult();

      for (int i = 0; i < analyzeInvoiceResult.getDocuments().size(); i++) {
        Document analyzedInvoice = analyzeInvoiceResult.getDocuments().get(i);
        Map < String, DocumentField > invoiceFields = analyzedInvoice.getFields();
        System.out.printf("----------- Analyzing invoice  %d -----------%n", i);
        DocumentField vendorNameField = invoiceFields.get("VendorName");
        if (vendorNameField != null) {
          if (DocumentFieldType.STRING == vendorNameField.getType()) {
            String merchantName = vendorNameField.getValueString();
            System.out.printf("Vendor Name: %s, confidence: %.2f%n",
              merchantName, vendorNameField.getConfidence());
          }
        }

        DocumentField vendorAddressField = invoiceFields.get("VendorAddress");
        if (vendorAddressField != null) {
          if (DocumentFieldType.STRING == vendorAddressField.getType()) {
            String merchantAddress = vendorAddressField.getValueString();
            System.out.printf("Vendor address: %s, confidence: %.2f%n",
              merchantAddress, vendorAddressField.getConfidence());
          }
        }

        DocumentField customerNameField = invoiceFields.get("CustomerName");
        if (customerNameField != null) {
          if (DocumentFieldType.STRING == customerNameField.getType()) {
            String merchantAddress = customerNameField.getValueString();
            System.out.printf("Customer Name: %s, confidence: %.2f%n",
              merchantAddress, customerNameField.getConfidence());
          }
        }

        DocumentField customerAddressRecipientField = invoiceFields.get("CustomerAddressRecipient");
        if (customerAddressRecipientField != null) {
          if (DocumentFieldType.STRING == customerAddressRecipientField.getType()) {
            String customerAddr = customerAddressRecipientField.getValueString();
            System.out.printf("Customer Address Recipient: %s, confidence: %.2f%n",
              customerAddr, customerAddressRecipientField.getConfidence());
          }
        }

        DocumentField invoiceIdField = invoiceFields.get("InvoiceId");
        if (invoiceIdField != null) {
          if (DocumentFieldType.STRING == invoiceIdField.getType()) {
            String invoiceId = invoiceIdField.getValueString();
            System.out.printf("Invoice ID: %s, confidence: %.2f%n",
              invoiceId, invoiceIdField.getConfidence());
          }
        }

        DocumentField invoiceDateField = invoiceFields.get("InvoiceDate");
        if (customerNameField != null) {
          if (DocumentFieldType.DATE == invoiceDateField.getType()) {
            LocalDate invoiceDate = invoiceDateField.getValueDate();
            System.out.printf("Invoice Date: %s, confidence: %.2f%n",
              invoiceDate, invoiceDateField.getConfidence());
          }
        }

        DocumentField invoiceTotalField = invoiceFields.get("InvoiceTotal");
        if (customerAddressRecipientField != null) {
          if (DocumentFieldType.NUMBER == invoiceTotalField.getType()) {
            Double invoiceTotal = invoiceTotalField.getValueNumber();
            System.out.printf("Invoice Total: %.2f, confidence: %.2f%n",
              invoiceTotal, invoiceTotalField.getConfidence());
          }
        }

        DocumentField invoiceItemsField = invoiceFields.get("Items");
        if (invoiceItemsField != null) {
          System.out.printf("Invoice Items: %n");
          if (DocumentFieldType.ARRAY == invoiceItemsField.getType()) {
            List < DocumentField > invoiceItems = invoiceItemsField.getValueArray();
            invoiceItems.stream()
              .filter(invoiceItem -> DocumentFieldType.OBJECT == invoiceItem.getType())
              .map(documentField -> documentField.getValueObject())
              .forEach(documentFieldMap -> documentFieldMap.forEach((key, documentField) -> {

                // See a full list of fields found on an invoice here:
                // https://aka.ms/documentintelligence/invoicefields

                if ("Description".equals(key)) {
                  if (DocumentFieldType.STRING == documentField.getType()) {
                    String name = documentField.getValueString();
                    System.out.printf("Description: %s, confidence: %.2fs%n",
                      name, documentField.getConfidence());
                  }
                }
                if ("Quantity".equals(key)) {
                  if (DocumentFieldType.NUMBER == documentField.getType()) {
                    Double quantity = documentField.getValueNumber();
                    System.out.printf("Quantity: %f, confidence: %.2f%n",
                      quantity, documentField.getConfidence());
                  }
                }
                if ("UnitPrice".equals(key)) {
                  if (DocumentFieldType.NUMBER == documentField.getType()) {
                    Double unitPrice = documentField.getValueNumber();
                    System.out.printf("Unit Price: %f, confidence: %.2f%n",
                      unitPrice, documentField.getConfidence());
                  }
                }
                if ("ProductCode".equals(key)) {
                  if (DocumentFieldType.NUMBER == documentField.getType()) {
                    Double productCode = documentField.getValueNumber();
                    System.out.printf("Product Code: %f, confidence: %.2f%n",
                      productCode, documentField.getConfidence());
                  }
                }
              }));
          }
        }
      }
    }
  }
}

Az alkalmazás létrehozása és futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, lépjen vissza a fő projektkönyvtárhoz – a doc-intel-apphoz.

1. Az alkalmazás létrehozása a build következő paranccsal:

   gradle build
   

2. Futtassa az alkalmazást a run következő paranccsal:

   gradle run
   

Ügyféloldali kódtár | – REST API referenciacsomag | (npm) | Minták |támogatott REST API-verzió

Ebben a rövid útmutatóban az alábbi funkciókkal elemezheti és kinyerheti az adatokat és értékeket űrlapokból és dokumentumokból:

• Elrendezés – Táblázatok, vonalak, szavak és kijelölési jelek, például választógombok és jelölőnégyzetek elemzése és kinyerése a dokumentumokban, modell betanítása nélkül.

• Előre összeállított számla – Általános mezők elemzése és kinyerése adott dokumentumtípusokból egy előre betanított számlamodell használatával.

Előfeltételek

• Azure-előfizetés – Hozzon létre egyet ingyenesen.

• A Visual Studio Code legújabb verziója vagy az ön által előnyben részesített IDE. További információ: Node.js a Visual Studio Code-ban.

• A Node.js legújabb LTS verziója.

• Azure AI-szolgáltatások vagy Dokumentumintelligencia-erőforrás. Ha már rendelkezik Azure-előfizetéssel, hozzon létre egy egy vagy többszolgáltatásos dokumentumintelligencia-erőforrást az Azure Portalon a kulcs és a végpont lekéréséhez. Az ingyenes tarifacsomag (F0) használatával kipróbálhatja a szolgáltatást, és később frissíthet egy fizetős szintre az éles környezetben.

  Tipp.

  Azure AI-szolgáltatási erőforrás létrehozása, ha több Azure AI-szolgáltatást szeretne elérni egyetlen végpont/kulcs alatt. Csak dokumentumintelligencia-hozzáféréshez hozzon létre egy dokumentumintelligencia-erőforrást. Vegye figyelembe, hogy a Microsoft Entra-hitelesítés használatához egy egyszolgáltatásos erőforrásra lesz szüksége.

• Az erőforrás üzembe helyezése után válassza az Ugrás az erőforrásra lehetőséget. Az alkalmazás a Document Intelligence API-hoz való csatlakoztatásához szüksége van a létrehozott erőforrás kulcsára és végpontjára. A rövid útmutató későbbi részében beillesztheti a kulcsot és a végpontot a kódba:

  

Beállítás

1. Új Node.js Express-alkalmazás létrehozása: Egy konzolablakban (például parancsmag, PowerShell vagy Bash) hozzon létre egy új könyvtárat, és keresse meg az alkalmazás nevét doc-intel-app.

   mkdir doc-intel-app && cd doc-intel-app
   

2. Futtassa a npm init parancsot az alkalmazás inicializálásához és a projekt létrehozásához.

   npm init
   

3. Adja meg a projekt attribútumait a terminálban megjelenő parancssorok használatával.

   • A legfontosabb attribútumok a név, a verziószám és a belépési pont.
   • Javasoljuk, hogy tartsa meg index.js a belépési pont nevét. A leírás, a tesztparancs, a GitHub-adattár, a kulcsszavak, a szerző és a licencadatok opcionális attribútumok– ezek kihagyhatók ehhez a projekthez.
   • Fogadja el a javaslatokat zárójelben a Return vagy az Enter billentyűkombinációval.
   • A kérések elvégzése után létrejön egy package.json fájl a doc-intel-app könyvtárban.

4. Telepítse az ügyfélkódtárat és azure/identity az ai-document-intelligence npm-csomagokat:

   npm i @azure-rest/ai-document-intelligence@1.0.0-beta.3 @azure/core-auth
   

   Az alkalmazás fájlja package.json frissül a függőségekkel.

5. Hozzon létre egy fájlt index.js az alkalmazáskönyvtárban.

   Tipp.

   • Új fájlt a PowerShell használatával hozhat létre.
   • Nyisson meg egy PowerShell-ablakot a projektkönyvtárban a Shift billentyűt lenyomva tartva kattintson a jobb gombbal a mappára.
   • Írja be a következő parancsot : New-Item index.js.

Az alkalmazás összeállítása

A Dokumentumintelligencia szolgáltatás használatához létre kell hoznia az osztály egy példányát DocumentIntelligenceClient . Ehhez létre kell hoznia egy példányt AzureKeyCredential key az Azure Portalról, valamint egy DocumentIntelligenceClient példányt a dokumentumintelligencia és a AzureKeyCredential dokumentumintelligencia használatával endpoint.

1. Nyissa meg a fájlt a index.js Visual Studio Code-ban vagy a kedvenc IDE-ben. Másolja és illessze be az alábbi kódminták egyikét az alkalmazásba:

   • Elrendezés

   • Előre összeállított számla

Fontos

Ne felejtse el eltávolítani a kulcsot a kódból, amikor elkészült, és soha ne tegye közzé nyilvánosan. Éles környezetben biztonságos módon tárolhatja és érheti el a hitelesítő adatait, például az Azure Key Vaultot. További információ: Azure AI-szolgáltatások biztonsága.

Elrendezési modell

Szöveg, kijelölési jelek, szövegstílusok, táblázatstruktúrák és határolórégió koordinátáinak kinyerése dokumentumokból.

• Ebben a példában egy URL-címről származó dokumentumfájlra lesz szüksége. Ehhez a rövid útmutatóhoz használhatja a mintadokumentumunkat.
• Hozzáadtuk a fájl URL-címét a formUrl fájl tetején található változóhoz.
• Ha egy adott fájlt egy URL-címből szeretne elemezni, a beginAnalyzeDocuments metódust fogja használni, és modellazonosítóként adja át prebuilt-layout .

    const DocumentIntelligence = require("@azure-rest/ai-document-intelligence").default,
  { getLongRunningPoller, isUnexpected } = require("@azure-rest/ai-document-intelligence");

  const { AzureKeyCredential } = require("@azure/core-auth");

    // set `<your-key>` and `<your-endpoint>` variables with the values from the Azure portal.
    const key = "<your-key>";
    const endpoint = "<your-endpoint>";

    // sample document
    const formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf"

   async function main() {
    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));


    const initialResponse = await client
      .path("/documentModels/{modelId}:analyze", "prebuilt-layout")
      .post({
        contentType: "application/json",
        body: {
          urlSource: formUrl
        },
       });

       if (isUnexpected(initialResponse)) {
       throw initialResponse.body.error;
     }

    const poller = await getLongRunningPoller(client, initialResponse);
    const analyzeResult = (await poller.pollUntilDone()).body.analyzeResult;

    const documents = analyzeResult?.documents;

    const document = documents && documents[0];
    if (!document) {
    throw new Error("Expected at least one document in the result.");
    }

    console.log(
    "Extracted document:",
    document.docType,
    `(confidence: ${document.confidence || "<undefined>"})`,
    );
    console.log("Fields:", document.fields);
}

main().catch((error) => {
    console.error("An error occurred:", error);
    process.exit(1);
});

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, futtassa a programot:

1. Lépjen arra a mappára, ahol a Dokumentumintelligencia-alkalmazás (doc-intel-app) található.

2. Írja be a következő parancsot a terminálba:

   node index.js
   

Előre összeállított modell

Ebben a példában egy számlát elemezünk az előre összeállított számlamodell használatával.

Tipp.

Nem korlátozódik a számlákra – számos előre összeállított modell közül választhat, amelyek mindegyike saját támogatott mezőkkel rendelkezik. A művelethez analyze használandó modell az elemezni kívánt dokumentum típusától függ. Lásd: modelladatok kinyerése.

• Számla elemzése az előre összeállított számlamodell használatával. Ehhez a rövid útmutatóhoz használhatja a számlaminta-dokumentumunkat.
• Hozzáadtuk a fájl URL-címét a invoiceUrl fájl tetején lévő változóhoz.
• Ha egy adott fájlt egy URI-n szeretne elemezni, használja a beginAnalyzeDocuments metódust, és adja át PrebuiltModels.Invoice a modellazonosítót. A visszaadott érték egy result olyan objektum, amely adatokat tartalmaz az elküldött dokumentumról.
• Az egyszerűség kedvéért a szolgáltatás által visszaadott kulcs-érték párok nem jelennek meg itt. A támogatott mezők és a kapcsolódó típusok listáját a Számla koncepció oldalán tekintheti meg.

const DocumentIntelligence = require("@azure-rest/ai-document-intelligence").default,
  { getLongRunningPoller, isUnexpected } = require("@azure-rest/ai-document-intelligence");

const { AzureKeyCredential } = require("@azure/core-auth");

    // set `<your-key>` and `<your-endpoint>` variables with the values from the Azure portal.
    const key = "<your-key>";
    const endpoint = "<your-endpoint>";

    // sample document
    const invoiceUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-invoice.pdf"

async function main() {

    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

    const initialResponse = await client
    .path("/documentModels/{modelId}:analyze", "prebuilt-invoice")
    .post({
      contentType: "application/json",
      body: {
        // The Document Intelligence service will access the URL to the invoice image and extract data from it
        urlSource: invoiceUrl,
      },
    });

    if (isUnexpected(initialResponse)) {
       throw initialResponse.body.error;
     }

    const poller = await getLongRunningPoller(client, initialResponse);

    poller.onProgress((state) => console.log("Operation:", state.result, state.status));
    const analyzeResult = (await poller.pollUntilDone()).body.analyzeResult;

    const documents = analyzeResult?.documents;

    const result = documents && documents[0];
    if (result) {
      console.log(result.fields);
    } else {
      throw new Error("Expected at least one invoice in the result.");
    }

console.log(
    "Extracted invoice:",
    document.docType,
    `(confidence: ${document.confidence || "<undefined>"})`,
  );
  console.log("Fields:", document.fields);
}


main().catch((error) => {
    console.error("An error occurred:", error);
    process.exit(1);
});

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, futtassa a programot:

1. Lépjen arra a mappára, ahol a Dokumentumintelligencia-alkalmazás (doc-intel-app) található.

2. Írja be a következő parancsot a terminálba:

   node index.js
   

Ügyfélkódtár SDK-referencia | REST API-referenciacsomag | (PyPi) | Minták | támogatott REST API-verzió |

Ebben a rövid útmutatóban az alábbi funkciókkal elemezheti és kinyerheti az adatokat űrlapokból és dokumentumokból:

• Elrendezés – Táblázatok, vonalak, szavak és kijelölési jelek, például választógombok, jelölőnégyzetek és kulcs-érték párok elemzése és kinyerése anélkül, hogy be kellene tanítani egy modellt.

• Előre összeállított számla – Általános mezők elemzése és kinyerése adott dokumentumtípusokból egy előre betanított modell használatával.

Előfeltételek

• Azure-előfizetés – Hozzon létre egyet ingyenesen.

• Python 3.7 vagy újabb.

  • A Python-telepítésnek tartalmaznia kell a pipet. A parancssorban való futtatással pip --version ellenőrizheti, hogy telepítve van-e a pip. Kérje le a pipet a Python legújabb verziójának telepítésével.

• A Visual Studio Code legújabb verziója vagy az ön által előnyben részesített IDE. További információ: A Python használatának első lépései a Visual Studio Code-ban.

• Azure AI-szolgáltatások vagy Dokumentumintelligencia-erőforrás. Ha már rendelkezik Azure-előfizetéssel, hozzon létre egy egy vagy többszolgáltatásos dokumentumintelligencia-erőforrást az Azure Portalon a kulcs és a végpont lekéréséhez. Az ingyenes tarifacsomag (F0) használatával kipróbálhatja a szolgáltatást, és később frissíthet egy fizetős szintre az éles környezetben.

Tipp.

Azure AI-szolgáltatási erőforrás létrehozása, ha több Azure AI-szolgáltatást szeretne elérni egyetlen végpont/kulcs alatt. Csak dokumentumintelligencia-hozzáféréshez hozzon létre egy dokumentumintelligencia-erőforrást. Vegye figyelembe, hogy a Microsoft Entra-hitelesítés használatához egy egyszolgáltatásos erőforrásra lesz szüksége.

• Az erőforrás üzembe helyezése után válassza az Ugrás az erőforrásra lehetőséget. Az alkalmazás a Document Intelligence API-hoz való csatlakoztatásához szüksége van a létrehozott erőforrás kulcsára és végpontjára. A rövid útmutató későbbi részében beillesztheti a kulcsot és a végpontot a kódba:

  

Beállítás

Nyisson meg egy terminálablakot a helyi környezetben, és telepítse a Pythonhoz készült Azure AI Document Intelligence ügyféloldali kódtárat pip használatával:

pip install azure-ai-documentintelligence==1.0.0b4

Python-alkalmazás létrehozása

A Dokumentumintelligencia szolgáltatás használatához létre kell hoznia az osztály egy példányát DocumentIntelligenceClient . Ehhez létre kell hoznia egy példányt AzureKeyCredential key az Azure Portalról, valamint egy DocumentIntelligenceClient példányt a dokumentumintelligencia és a AzureKeyCredential dokumentumintelligencia használatával endpoint.

1. Hozzon létre egy doc_intel_quickstart.py nevű új Python-fájlt az előnyben részesített szerkesztőben vagy IDE-ben.

2. Nyissa meg a doc_intel_quickstart.py fájlt, és válassza ki az alábbi kódminták egyikét az alkalmazásba való másoláshoz és beillesztéshez:

   • Elrendezés

   • Előre összeállított számla

Fontos

Ne felejtse el eltávolítani a kulcsot a kódból, amikor elkészült, és soha ne tegye közzé nyilvánosan. Éles környezetben biztonságos módon tárolhatja és érheti el a hitelesítő adatait, például az Azure Key Vaultot. További információ: Azure AI-szolgáltatások biztonsága.

Elrendezési modell

Szöveg, kijelölési jelek, szövegstílusok, táblázatstruktúrák és határolórégió koordinátáinak kinyerése dokumentumokból.

• Ebben a példában egy URL-címről származó dokumentumfájlra lesz szüksége. Ehhez a rövid útmutatóhoz használhatja a mintadokumentumunkat.
• Hozzáadtuk a fájl URL-címét a formUrl függvény változóhoz analyze_layout .

Adja hozzá a következő kódmintát a doc_intel_quickstart.py alkalmazáshoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

# import libraries
import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult
from azure.ai.documentintelligence.models import AnalyzeDocumentRequest

# set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal
endpoint = "<your-endpoint>"
key = "<your-key>"

# helper functions

def get_words(page, line):
    result = []
    for word in page.words:
        if _in_span(word, line.spans):
            result.append(word)
    return result


def _in_span(word, spans):
    for span in spans:
        if word.span.offset >= span.offset and (
            word.span.offset + word.span.length
        ) <= (span.offset + span.length):
            return True
    return False


def analyze_layout():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf"

    document_intelligence_client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = document_intelligence_client.begin_analyze_document(
        "prebuilt-layout", AnalyzeDocumentRequest(url_source=formUrl
    ))

    result: AnalyzeResult = poller.result()

    if result.styles and any([style.is_handwritten for style in result.styles]):
        print("Document contains handwritten content")
    else:
        print("Document does not contain handwritten content")

    for page in result.pages:
        print(f"----Analyzing layout from page #{page.page_number}----")
        print(
            f"Page has width: {page.width} and height: {page.height}, measured with unit: {page.unit}"
        )

        if page.lines:
            for line_idx, line in enumerate(page.lines):
                words = get_words(page, line)
                print(
                    f"...Line # {line_idx} has word count {len(words)} and text '{line.content}' "
                    f"within bounding polygon '{line.polygon}'"
                )

                for word in words:
                    print(
                        f"......Word '{word.content}' has a confidence of {word.confidence}"
                    )

        if page.selection_marks:
            for selection_mark in page.selection_marks:
                print(
                    f"Selection mark is '{selection_mark.state}' within bounding polygon "
                    f"'{selection_mark.polygon}' and has a confidence of {selection_mark.confidence}"
                )

    if result.tables:
        for table_idx, table in enumerate(result.tables):
            print(
                f"Table # {table_idx} has {table.row_count} rows and "
                f"{table.column_count} columns"
            )
            if table.bounding_regions:
                for region in table.bounding_regions:
                    print(
                        f"Table # {table_idx} location on page: {region.page_number} is {region.polygon}"
                    )
            for cell in table.cells:
                print(
                    f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'"
                )
                if cell.bounding_regions:
                    for region in cell.bounding_regions:
                        print(
                            f"...content on page {region.page_number} is within bounding polygon '{region.polygon}'"
                        )

    print("----------------------------------------")


if __name__ == "__main__":
    analyze_layout()

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, hozza létre és futtassa a programot:

1. Lépjen arra a mappára, ahol a doc_intel_quickstart.py fájl található.

2. Írja be a következő parancsot a terminálba:

   python doc_intel_quickstart.py
   

---

Előre összeállított modell

Egy előre összeállított modell használatával elemezheti és kinyerheti a gyakori mezőket adott dokumentumtípusokból. Ebben a példában egy számlát elemezünk az előre összeállított számlamodell használatával.

Tipp.

Nem korlátozódik a számlákra – számos előre összeállított modell közül választhat, amelyek mindegyike saját támogatott mezőkkel rendelkezik. A művelethez analyze használandó modell az elemezni kívánt dokumentum típusától függ. Lásd: modelladatok kinyerése.

• Számla elemzése az előre összeállított számlamodell használatával. Ehhez a rövid útmutatóhoz használhatja a számlaminta-dokumentumunkat.
• Hozzáadtuk a fájl URL-címét a invoiceUrl fájl tetején lévő változóhoz.
• Az egyszerűség kedvéért a szolgáltatás által visszaadott kulcs-érték párok nem jelennek meg itt. A támogatott mezők és a kapcsolódó típusok listáját a Számla koncepció oldalán tekintheti meg.

Adja hozzá a következő kódmintát a doc_intel_quickstart.py alkalmazáshoz. Győződjön meg arról, hogy frissíti a kulcs- és végpontváltozókat az Azure Portal Document Intelligence-példány értékeivel:

# import libraries
import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult
from azure.ai.documentintelligence.models import AnalyzeDocumentRequest



# set `<your-endpoint>` and `<your-key>` variables with the values from the Azure portal
endpoint = "<your-endpoint>"
key = "<your-key>"

def analyze_invoice():
    # sample document

    invoiceUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-invoice.pdf"

    document_intelligence_client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = document_intelligence_client.begin_analyze_document(
        "prebuilt-invoice", AnalyzeDocumentRequest(url_source=invoiceUrl)
    )
    invoices = poller.result()

    if invoices.documents:
        for idx, invoice in enumerate(invoices.documents):
            print(f"--------Analyzing invoice #{idx + 1}--------")
            vendor_name = invoice.fields.get("VendorName")
            if vendor_name:
                print(
                    f"Vendor Name: {vendor_name.get('content')} has confidence: {vendor_name.get('confidence')}"
                )
            vendor_address = invoice.fields.get("VendorAddress")
            if vendor_address:
                print(
                    f"Vendor Address: {vendor_address.get('content')} has confidence: {vendor_address.get('confidence')}"
                )
            vendor_address_recipient = invoice.fields.get("VendorAddressRecipient")
            if vendor_address_recipient:
                print(
                    f"Vendor Address Recipient: {vendor_address_recipient.get('content')} has confidence: {vendor_address_recipient.get('confidence')}"
                )
            customer_name = invoice.fields.get("CustomerName")
            if customer_name:
                print(
                    f"Customer Name: {customer_name.get('content')} has confidence: {customer_name.get('confidence')}"
                )
            customer_id = invoice.fields.get("CustomerId")
            if customer_id:
                print(
                    f"Customer Id: {customer_id.get('content')} has confidence: {customer_id.get('confidence')}"
                )
            customer_address = invoice.fields.get("CustomerAddress")
            if customer_address:
                print(
                    f"Customer Address: {customer_address.get('content')} has confidence: {customer_address.get('confidence')}"
                )
            customer_address_recipient = invoice.fields.get("CustomerAddressRecipient")
            if customer_address_recipient:
                print(
                    f"Customer Address Recipient: {customer_address_recipient.get('content')} has confidence: {customer_address_recipient.get('confidence')}"
                )
            invoice_id = invoice.fields.get("InvoiceId")
            if invoice_id:
                print(
                    f"Invoice Id: {invoice_id.get('content')} has confidence: {invoice_id.get('confidence')}"
                )
            invoice_date = invoice.fields.get("InvoiceDate")
            if invoice_date:
                print(
                    f"Invoice Date: {invoice_date.get('content')} has confidence: {invoice_date.get('confidence')}"
                )
            invoice_total = invoice.fields.get("InvoiceTotal")
            if invoice_total:
                print(
                    f"Invoice Total: {invoice_total.get('content')} has confidence: {invoice_total.get('confidence')}"
                )
            due_date = invoice.fields.get("DueDate")
            if due_date:
                print(
                    f"Due Date: {due_date.get('content')} has confidence: {due_date.get('confidence')}"
                )
            purchase_order = invoice.fields.get("PurchaseOrder")
            if purchase_order:
                print(
                    f"Purchase Order: {purchase_order.get('content')} has confidence: {purchase_order.get('confidence')}"
                )
            billing_address = invoice.fields.get("BillingAddress")
            if billing_address:
                print(
                    f"Billing Address: {billing_address.get('content')} has confidence: {billing_address.get('confidence')}"
                )
            billing_address_recipient = invoice.fields.get("BillingAddressRecipient")
            if billing_address_recipient:
                print(
                    f"Billing Address Recipient: {billing_address_recipient.get('content')} has confidence: {billing_address_recipient.get('confidence')}"
                )
            shipping_address = invoice.fields.get("ShippingAddress")
            if shipping_address:
                print(
                    f"Shipping Address: {shipping_address.get('content')} has confidence: {shipping_address.get('confidence')}"
                )
            shipping_address_recipient = invoice.fields.get("ShippingAddressRecipient")
            if shipping_address_recipient:
                print(
                    f"Shipping Address Recipient: {shipping_address_recipient.get('content')} has confidence: {shipping_address_recipient.get('confidence')}"
                )
            print("Invoice items:")
            for idx, item in enumerate(invoice.fields.get("Items").get("valueArray")):
                print(f"...Item #{idx + 1}")
                item_description = item.get("valueObject").get("Description")
                if item_description:
                    print(
                        f"......Description: {item_description.get('content')} has confidence: {item_description.get('confidence')}"
                    )
                item_quantity = item.get("valueObject").get("Quantity")
                if item_quantity:
                    print(
                        f"......Quantity: {item_quantity.get('content')} has confidence: {item_quantity.get('confidence')}"
                    )
                unit = item.get("valueObject").get("Unit")
                if unit:
                    print(
                        f"......Unit: {unit.get('content')} has confidence: {unit.get('confidence')}"
                    )
                unit_price = item.get("valueObject").get("UnitPrice")
                if unit_price:
                    unit_price_code = (
                        unit_price.get("valueCurrency").get("currencyCode")
                        if unit_price.get("valueCurrency").get("currencyCode")
                        else ""
                    )
                    print(
                        f"......Unit Price: {unit_price.get('content')}{unit_price_code} has confidence: {unit_price.get('confidence')}"
                    )
                product_code = item.get("valueObject").get("ProductCode")
                if product_code:
                    print(
                        f"......Product Code: {product_code.get('content')} has confidence: {product_code.get('confidence')}"
                    )
                item_date = item.get("valueObject").get("Date")
                if item_date:
                    print(
                        f"......Date: {item_date.get('content')} has confidence: {item_date.get('confidence')}"
                    )
                tax = item.get("valueObject").get("Tax")
                if tax:
                    print(
                        f"......Tax: {tax.get('content')} has confidence: {tax.get('confidence')}"
                    )
                amount = item.get("valueObject").get("Amount")
                if amount:
                    print(
                        f"......Amount: {amount.get('content')} has confidence: {amount.get('confidence')}"
                    )
            subtotal = invoice.fields.get("SubTotal")
            if subtotal:
                print(
                    f"Subtotal: {subtotal.get('content')} has confidence: {subtotal.get('confidence')}"
                )
            total_tax = invoice.fields.get("TotalTax")
            if total_tax:
                print(
                    f"Total Tax: {total_tax.get('content')} has confidence: {total_tax.get('confidence')}"
                )
            previous_unpaid_balance = invoice.fields.get("PreviousUnpaidBalance")
            if previous_unpaid_balance:
                print(
                    f"Previous Unpaid Balance: {previous_unpaid_balance.get('content')} has confidence: {previous_unpaid_balance.get('confidence')}"
                )
            amount_due = invoice.fields.get("AmountDue")
            if amount_due:
                print(
                    f"Amount Due: {amount_due.get('content')} has confidence: {amount_due.get('confidence')}"
                )
            service_start_date = invoice.fields.get("ServiceStartDate")
            if service_start_date:
                print(
                    f"Service Start Date: {service_start_date.get('content')} has confidence: {service_start_date.get('confidence')}"
                )
            service_end_date = invoice.fields.get("ServiceEndDate")
            if service_end_date:
                print(
                    f"Service End Date: {service_end_date.get('content')} has confidence: {service_end_date.get('confidence')}"
                )
            service_address = invoice.fields.get("ServiceAddress")
            if service_address:
                print(
                    f"Service Address: {service_address.get('content')} has confidence: {service_address.get('confidence')}"
                )
            service_address_recipient = invoice.fields.get("ServiceAddressRecipient")
            if service_address_recipient:
                print(
                    f"Service Address Recipient: {service_address_recipient.get('content')} has confidence: {service_address_recipient.get('confidence')}"
                )
            remittance_address = invoice.fields.get("RemittanceAddress")
            if remittance_address:
                print(
                    f"Remittance Address: {remittance_address.get('content')} has confidence: {remittance_address.get('confidence')}"
                )
            remittance_address_recipient = invoice.fields.get(
                "RemittanceAddressRecipient"
            )
            if remittance_address_recipient:
                print(
                    f"Remittance Address Recipient: {remittance_address_recipient.get('content')} has confidence: {remittance_address_recipient.get('confidence')}"
                )


          print("----------------------------------------")


if __name__ == "__main__":
    analyze_invoice()

Az alkalmazás futtatása

Miután hozzáadott egy kódmintát az alkalmazáshoz, hozza létre és futtassa a programot:

1. Lépjen arra a mappára, ahol a doc_intel_quickstart.py fájl található.

2. Írja be a következő parancsot a terminálba:

   python doc_intel_quickstart.py
   

| A Document Intelligence REST API | által támogatott Azure SDK-k

Ebben a rövid útmutatóban megtudhatja, hogy a Document Intelligence REST API használatával elemezheti és kinyerheti az adatokat és az értékeket a dokumentumokból:

Előfeltételek

• Azure-előfizetés – Ingyenes létrehozás

• curl parancssori eszköz telepítve.

  • A Windows
  • Mac vagy Linux

• A PowerShell 7.*+ verziója (vagy egy hasonló parancssori alkalmazás):

  • A Windows
  • macOS
  • Linux

• A PowerShell-verzió ellenőrzéséhez írja be az alábbi parancsot az operációs rendszerhez képest:

  • Windows: Get-Host | Select-Object Version
  • macOS vagy Linux: $PSVersionTable

• Dokumentumintelligencia-(egyszolgáltatásos) vagy Azure AI-szolgáltatások (többszolgáltatásos) erőforrás. Ha már rendelkezik Azure-előfizetéssel, hozzon létre egy egy vagy többszolgáltatásos dokumentumintelligencia-erőforrást az Azure Portalon a kulcs és a végpont lekéréséhez. Az ingyenes tarifacsomag (F0) használatával kipróbálhatja a szolgáltatást, és később frissíthet egy fizetős szintre az éles környezetben.

Tipp.

Azure AI-szolgáltatási erőforrás létrehozása, ha több Azure AI-szolgáltatást szeretne elérni egyetlen végpont/kulcs alatt. Csak dokumentumintelligencia-hozzáféréshez hozzon létre egy dokumentumintelligencia-erőforrást. Vegye figyelembe, hogy a Microsoft Entra-hitelesítés használatához egy egyszolgáltatásos erőforrásra lesz szüksége.

• Az erőforrás üzembe helyezése után válassza az Ugrás az erőforrásra lehetőséget. Az alkalmazás a Document Intelligence API-hoz való csatlakoztatásához szüksége van a létrehozott erőforrás kulcsára és végpontjára. A rövid útmutató későbbi részében beillesztheti a kulcsot és a végpontot a kódba:

  

Dokumentumok elemzése és eredmények lekérése

A POST-kérések egy előre összeállított vagy egyéni modellel rendelkező dokumentumok elemzésére szolgálnak. A GET kérés egy dokumentumelemzési hívás eredményének lekérésére szolgál. A modelId POST és resultId a GET műveletek esetén használatos.

Dokumentum elemzése (POST-kérelem)

A cURL parancs futtatása előtt végezze el a következő módosításokat a post requestben:

1. Cserélje le {endpoint} az Azure Portal Dokumentumintelligencia-példányának végpontértékére.

2. Cserélje le {key} az Azure Portal Dokumentumintelligencia-példányának kulcsértékére.

3. Az alábbi táblázatot hivatkozásként használva cserélje le és {your-document-url} írja be {modelID} a kívánt értékeket.

4. Egy URL-címen található dokumentumfájlra van szüksége. Ebben a rövid útmutatóban az alábbi táblázatban szereplő mintaűrlapokat használhatja az egyes funkciókhoz:

Mintadokumentumok

Szolgáltatás	{modelID}	{your-document-url}
Olvasás	előre összeállított olvasás	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png
Elrendezés	előre összeállított elrendezés	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png
Egészségbiztosítási kártya	prebuilt-healthInsuranceCard.us	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/insurance-card.png
W-2-nyomtatványok	prebuilt-tax.us.w2	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png
Számla	előre összeállított számla	https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf
Nyugta	előre összeállított nyugta	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png
Személyazonosító okmányok	előre összeállított-idDocument	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png

Fontos

Ne felejtse el eltávolítani a kulcsot a kódból, amikor elkészült, és soha ne tegye közzé nyilvánosan. Éles környezetben biztonságos módon tárolhatja és érheti el a hitelesítő adatait, például az Azure Key Vaultot. További információ: Azure AI-szolgáltatások biztonsága.

POST kérés

curl -v -i POST "{endpoint}/documentintelligence/documentModels/{modelId}:analyze?api-version=2024-07-31-preview" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: {key}" --data-ascii "{'urlSource': '{your-document-url}'}"

POST-válasz (resultID)

Olyan választ kap 202 (Success) , amely egy írásvédett műveleti hely fejlécet tartalmaz. Ennek az élőfejnek az értéke olyan resultID lekérdezést tartalmaz, amely lekérdezhető az aszinkron művelet állapotának lekéréséhez és az eredmények lekéréséhez egy GET kéréssel ugyanazzal az erőforrás-előfizetési kulccsal:

Elemzési eredmények lekérése (GET-kérelem)

Az API meghívása Analyze document után hívja meg az Elemzés eredménye API-t a művelet állapotának és a kinyert adatok lekéréséhez. A parancs futtatása előtt végezze el a következő módosításokat:

1. Cserélje le {resultID} az Operation-Location fejlécet a POST válaszból.

2. Cserélje le {key} a Dokumentumintelligencia-példány kulcsértékére az Azure Portalon.

GET kérés

curl -v -X GET "{endpoint}/documentintelligence/documentModels/{modelId}/analyzeResults/{resultId}?api-version=2024-07-31-preview" -H "Ocp-Apim-Subscription-Key: {key}"

A válasz vizsgálata

JSON-kimenettel rendelkező választ kap 200 (Success) . Az első mező "status"a művelet állapotát jelzi. Ha a művelet nem fejeződött be, a művelet értéke "status" vagy "running" "notStarted", és újra meg kell hívnia az API-t manuálisan vagy egy szkripten keresztül. Javasoljuk, hogy a hívások között legalább egy másodperces időközt válasszon.

Mintaválasz előre összeállított számlához

{
    "status": "succeeded",
    "createdDateTime": "2024-03-25T19:31:37Z",
    "lastUpdatedDateTime": "2024-03-25T19:31:43Z",
    "analyzeResult": {
        "apiVersion": "2024-07-31-preview",
        "modelId": "prebuilt-invoice",
        "stringIndexType": "textElements"...
    ..."pages": [
            {
                "pageNumber": 1,
                "angle": 0,
                "width": 8.5,
                "height": 11,
                "unit": "inch",
                "words": [
                    {
                        "content": "CONTOSO",
                        "boundingBox": [
                            0.5911,
                            0.6857,
                            1.7451,
                            0.6857,
                            1.7451,
                            0.8664,
                            0.5911,
                            0.8664
                        ],
                        "confidence": 1,
                        "span": {
                            "offset": 0,
                            "length": 7
                                }
                      }],
              }]
      }
}

Támogatott dokumentummezők

Az előre összeállított modellek előre definiált dokumentummezőket nyernek ki. A kinyert mezőnevekről, típusokról, leírásokról és példákról lásd a modell adatkinyerés című témakört.

Ennyi, gratulálok!

Ebben a rövid útmutatóban egy dokumentumintelligencia-modellt használt a különböző űrlapok és dokumentumok elemzéséhez. Ezután ismerkedjen meg a Document Intelligence Studióval, és referenciadokumentációt a Document Intelligence API részletes megismeréséhez.

Következő lépések

• A továbbfejlesztett felhasználói élmény és a fejlett modellminőség érdekében próbálja ki a Document Intelligence Studiót

• A 3.1-ről a 4.0-s verzióra történő migrálásról a Changelog Migration útmutatóiban olvashat.

• További példákat találhat a GitHubon.