DocumentAnalysisClient Kelas
DocumentAnalysisClient menganalisis informasi dari dokumen dan gambar, dan mengklasifikasikan dokumen. Ini adalah antarmuka yang digunakan untuk menganalisis dengan model bawaan (tanda terima, kartu nama, faktur, dokumen identitas, antara lain), menganalisis tata letak dari dokumen, menganalisis jenis dokumen umum, dan menganalisis dokumen kustom dengan model bawaan (untuk melihat daftar lengkap model yang didukung oleh layanan, lihat: https://aka.ms/azsdk/formrecognizer/models). Ini menyediakan metode yang berbeda berdasarkan input dari URL dan input dari aliran.
Catatan
DocumentAnalysisClient harus digunakan dengan versi API
2022-08-31 ke atas. Untuk menggunakan versi <API =v2.1, buat instans FormRecognizerClient.
Baru dalam versi 2022-08-31: DocumentAnalysisClient dan metode kliennya.
- Warisan
-
azure.ai.formrecognizer._form_base_client.FormRecognizerClientBaseDocumentAnalysisClient
Konstruktor
DocumentAnalysisClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)Parameter
- endpoint
- str
Titik akhir Cognitive Services yang didukung (protokol dan nama host, misalnya: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential atau TokenCredential
Kredensial yang diperlukan agar klien terhubung ke Azure. Ini adalah instans AzureKeyCredential jika menggunakan kunci API atau kredensial token dari identity.
- api_version
- str atau DocumentAnalysisApiVersion
Versi API layanan yang digunakan untuk permintaan. Ini default ke versi layanan terbaru. Pengaturan ke versi yang lebih lama dapat mengakibatkan kompatibilitas fitur yang berkurang. Untuk menggunakan versi <API =v2.1, buat instans FormRecognizerClient.
Contoh
Membuat DocumentAnalysisClient dengan titik akhir dan kunci API.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_analysis_client = DocumentAnalysisClient(endpoint, AzureKeyCredential(key))
Membuat DocumentAnalysisClient dengan kredensial token.
"""DefaultAzureCredential will use the values from these environment
variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
"""
from azure.ai.formrecognizer import DocumentAnalysisClient
from azure.identity import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
document_analysis_client = DocumentAnalysisClient(endpoint, credential)
Metode
| begin_analyze_document |
Menganalisis teks bidang dan nilai semantik dari dokumen tertentu. Baru dalam versi 2023-07-31: Argumen kata kunci fitur . |
| begin_analyze_document_from_url |
Menganalisis teks bidang dan nilai semantik dari dokumen tertentu. Input harus berupa lokasi (URL) dokumen yang akan dianalisis. Baru dalam versi 2023-07-31: Argumen kata kunci fitur . |
| begin_classify_document |
Mengklasifikasikan dokumen menggunakan pengklasifikasi dokumen. Untuk informasi selengkapnya tentang cara membuat model pengklasifikasi kustom, lihat https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. Baru dalam versi 2023-07-31: Metode klien begin_classify_document . |
| begin_classify_document_from_url |
Mengklasifikasikan dokumen tertentu dengan pengklasifikasi dokumen. Untuk informasi selengkapnya tentang cara membuat model pengklasifikasi kustom, lihat https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. Input harus berupa lokasi (URL) dokumen yang akan diklasifikasikan. Baru dalam versi 2023-07-31: Metode klien begin_classify_document_from_url . |
| close |
DocumentAnalysisClient Tutup sesi. |
| send_request |
Menjalankan permintaan jaringan menggunakan alur klien yang ada. URL permintaan dapat relatif terhadap URL dasar. Versi API layanan yang digunakan untuk permintaan sama dengan klien kecuali ditentukan lain. Mengambil alih versi API klien yang dikonfigurasi di URL relatif didukung pada klien dengan API versi 2022-08-31 dan yang lebih baru. Mengambil alih URL absolut yang didukung pada klien dengan versi API apa pun. Metode ini tidak menaikkan jika respons adalah kesalahan; untuk menaikkan pengecualian, panggil raise_for_status() pada objek respons yang dikembalikan. Untuk informasi selengkapnya tentang cara mengirim permintaan kustom dengan metode ini, lihat https://aka.ms/azsdk/dpcodegen/python/send_request. |
begin_analyze_document
Menganalisis teks bidang dan nilai semantik dari dokumen tertentu.
Baru dalam versi 2023-07-31: Argumen kata kunci fitur .
begin_analyze_document(model_id: str, document: bytes | IO[bytes], **kwargs: Any) -> LROPoller[AnalyzeResult]Parameter
- model_id
- str
Pengidentifikasi model unik dapat diteruskan sebagai string. Gunakan ini untuk menentukan ID model kustom atau ID model bawaan. ID model bawaan yang didukung dapat ditemukan di sini: https://aka.ms/azsdk/formrecognizer/models
Aliran file atau byte. Untuk jenis file yang didukung layanan, lihat: https://aka.ms/azsdk/formrecognizer/supportedfiles.
- pages
- str
Nomor halaman kustom untuk dokumen multi-halaman (PDF/TIFF). Masukkan nomor halaman dan/atau rentang halaman yang ingin Anda dapatkan dalam hasilnya. Untuk rentang halaman, gunakan tanda hubung, seperti pages="1-3, 5-6". Pisahkan setiap nomor halaman atau rentang dengan koma.
- locale
- str
Petunjuk lokal dokumen input. Lihat lokal yang didukung di sini: https://aka.ms/azsdk/formrecognizer/supportedlocales.
Mengembalikan
Instans LROPoller. Panggil result() pada objek poller untuk mengembalikan AnalyzeResult.
Tipe hasil
Pengecualian
Contoh
Menganalisis faktur. Untuk sampel lainnya, lihat folder sampel .
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_documents, "rb") as f:
poller = document_analysis_client.begin_analyze_document(
"prebuilt-invoice", document=f, locale="en-US"
)
invoices = poller.result()
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.value} has confidence: {vendor_name.confidence}"
)
vendor_address = invoice.fields.get("VendorAddress")
if vendor_address:
print(
f"Vendor Address: {vendor_address.value} has confidence: {vendor_address.confidence}"
)
vendor_address_recipient = invoice.fields.get("VendorAddressRecipient")
if vendor_address_recipient:
print(
f"Vendor Address Recipient: {vendor_address_recipient.value} has confidence: {vendor_address_recipient.confidence}"
)
customer_name = invoice.fields.get("CustomerName")
if customer_name:
print(
f"Customer Name: {customer_name.value} has confidence: {customer_name.confidence}"
)
customer_id = invoice.fields.get("CustomerId")
if customer_id:
print(
f"Customer Id: {customer_id.value} has confidence: {customer_id.confidence}"
)
customer_address = invoice.fields.get("CustomerAddress")
if customer_address:
print(
f"Customer Address: {customer_address.value} has confidence: {customer_address.confidence}"
)
customer_address_recipient = invoice.fields.get("CustomerAddressRecipient")
if customer_address_recipient:
print(
f"Customer Address Recipient: {customer_address_recipient.value} has confidence: {customer_address_recipient.confidence}"
)
invoice_id = invoice.fields.get("InvoiceId")
if invoice_id:
print(
f"Invoice Id: {invoice_id.value} has confidence: {invoice_id.confidence}"
)
invoice_date = invoice.fields.get("InvoiceDate")
if invoice_date:
print(
f"Invoice Date: {invoice_date.value} has confidence: {invoice_date.confidence}"
)
invoice_total = invoice.fields.get("InvoiceTotal")
if invoice_total:
print(
f"Invoice Total: {invoice_total.value} has confidence: {invoice_total.confidence}"
)
due_date = invoice.fields.get("DueDate")
if due_date:
print(f"Due Date: {due_date.value} has confidence: {due_date.confidence}")
purchase_order = invoice.fields.get("PurchaseOrder")
if purchase_order:
print(
f"Purchase Order: {purchase_order.value} has confidence: {purchase_order.confidence}"
)
billing_address = invoice.fields.get("BillingAddress")
if billing_address:
print(
f"Billing Address: {billing_address.value} has confidence: {billing_address.confidence}"
)
billing_address_recipient = invoice.fields.get("BillingAddressRecipient")
if billing_address_recipient:
print(
f"Billing Address Recipient: {billing_address_recipient.value} has confidence: {billing_address_recipient.confidence}"
)
shipping_address = invoice.fields.get("ShippingAddress")
if shipping_address:
print(
f"Shipping Address: {shipping_address.value} has confidence: {shipping_address.confidence}"
)
shipping_address_recipient = invoice.fields.get("ShippingAddressRecipient")
if shipping_address_recipient:
print(
f"Shipping Address Recipient: {shipping_address_recipient.value} has confidence: {shipping_address_recipient.confidence}"
)
print("Invoice items:")
for idx, item in enumerate(invoice.fields.get("Items").value):
print(f"...Item #{idx + 1}")
item_description = item.value.get("Description")
if item_description:
print(
f"......Description: {item_description.value} has confidence: {item_description.confidence}"
)
item_quantity = item.value.get("Quantity")
if item_quantity:
print(
f"......Quantity: {item_quantity.value} has confidence: {item_quantity.confidence}"
)
unit = item.value.get("Unit")
if unit:
print(f"......Unit: {unit.value} has confidence: {unit.confidence}")
unit_price = item.value.get("UnitPrice")
if unit_price:
unit_price_code = unit_price.value.code if unit_price.value.code else ""
print(
f"......Unit Price: {unit_price.value}{unit_price_code} has confidence: {unit_price.confidence}"
)
product_code = item.value.get("ProductCode")
if product_code:
print(
f"......Product Code: {product_code.value} has confidence: {product_code.confidence}"
)
item_date = item.value.get("Date")
if item_date:
print(
f"......Date: {item_date.value} has confidence: {item_date.confidence}"
)
tax = item.value.get("Tax")
if tax:
print(f"......Tax: {tax.value} has confidence: {tax.confidence}")
amount = item.value.get("Amount")
if amount:
print(
f"......Amount: {amount.value} has confidence: {amount.confidence}"
)
subtotal = invoice.fields.get("SubTotal")
if subtotal:
print(f"Subtotal: {subtotal.value} has confidence: {subtotal.confidence}")
total_tax = invoice.fields.get("TotalTax")
if total_tax:
print(
f"Total Tax: {total_tax.value} has confidence: {total_tax.confidence}"
)
previous_unpaid_balance = invoice.fields.get("PreviousUnpaidBalance")
if previous_unpaid_balance:
print(
f"Previous Unpaid Balance: {previous_unpaid_balance.value} has confidence: {previous_unpaid_balance.confidence}"
)
amount_due = invoice.fields.get("AmountDue")
if amount_due:
print(
f"Amount Due: {amount_due.value} has confidence: {amount_due.confidence}"
)
service_start_date = invoice.fields.get("ServiceStartDate")
if service_start_date:
print(
f"Service Start Date: {service_start_date.value} has confidence: {service_start_date.confidence}"
)
service_end_date = invoice.fields.get("ServiceEndDate")
if service_end_date:
print(
f"Service End Date: {service_end_date.value} has confidence: {service_end_date.confidence}"
)
service_address = invoice.fields.get("ServiceAddress")
if service_address:
print(
f"Service Address: {service_address.value} has confidence: {service_address.confidence}"
)
service_address_recipient = invoice.fields.get("ServiceAddressRecipient")
if service_address_recipient:
print(
f"Service Address Recipient: {service_address_recipient.value} has confidence: {service_address_recipient.confidence}"
)
remittance_address = invoice.fields.get("RemittanceAddress")
if remittance_address:
print(
f"Remittance Address: {remittance_address.value} has confidence: {remittance_address.confidence}"
)
remittance_address_recipient = invoice.fields.get("RemittanceAddressRecipient")
if remittance_address_recipient:
print(
f"Remittance Address Recipient: {remittance_address_recipient.value} has confidence: {remittance_address_recipient.confidence}"
)
Menganalisis dokumen kustom. Untuk sampel lainnya, lihat folder sampel .
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
model_id = os.getenv("CUSTOM_BUILT_MODEL_ID", custom_model_id)
document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
# Make sure your document's type is included in the list of document types the custom model can analyze
with open(path_to_sample_documents, "rb") as f:
poller = document_analysis_client.begin_analyze_document(
model_id=model_id, document=f
)
result = poller.result()
for idx, document in enumerate(result.documents):
print(f"--------Analyzing document #{idx + 1}--------")
print(f"Document has type {document.doc_type}")
print(f"Document has document type confidence {document.confidence}")
print(f"Document was analyzed with model with ID {result.model_id}")
for name, field in document.fields.items():
field_value = field.value if field.value else field.content
print(
f"......found field of type '{field.value_type}' with value '{field_value}' and with confidence {field.confidence}"
)
# iterate over tables, lines, and selection marks on each page
for page in result.pages:
print(f"\nLines found on page {page.page_number}")
for line in page.lines:
print(f"...Line '{line.content}'")
for word in page.words:
print(f"...Word '{word.content}' has a confidence of {word.confidence}")
if page.selection_marks:
print(f"\nSelection marks found on page {page.page_number}")
for selection_mark in page.selection_marks:
print(
f"...Selection mark is '{selection_mark.state}' and has a confidence of {selection_mark.confidence}"
)
for i, table in enumerate(result.tables):
print(f"\nTable {i + 1} can be found on page:")
for region in table.bounding_regions:
print(f"...{region.page_number}")
for cell in table.cells:
print(
f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'"
)
print("-----------------------------------")
begin_analyze_document_from_url
Menganalisis teks bidang dan nilai semantik dari dokumen tertentu. Input harus berupa lokasi (URL) dokumen yang akan dianalisis.
Baru dalam versi 2023-07-31: Argumen kata kunci fitur .
begin_analyze_document_from_url(model_id: str, document_url: str, **kwargs: Any) -> LROPoller[AnalyzeResult]Parameter
- model_id
- str
Pengidentifikasi model unik dapat diteruskan sebagai string. Gunakan ini untuk menentukan ID model kustom atau ID model bawaan. ID model bawaan yang didukung dapat ditemukan di sini: https://aka.ms/azsdk/formrecognizer/models
- document_url
- str
URL dokumen yang akan dianalisis. Input harus valid, dikodekan dengan benar (yaitu mengodekan karakter khusus, seperti ruang kosong), dan URL yang dapat diakses publik. Untuk jenis file yang didukung layanan, lihat: https://aka.ms/azsdk/formrecognizer/supportedfiles.
- pages
- str
Nomor halaman kustom untuk dokumen multi-halaman (PDF/TIFF). Masukkan nomor halaman dan/atau rentang halaman yang ingin Anda dapatkan dalam hasilnya. Untuk rentang halaman, gunakan tanda hubung, seperti pages="1-3, 5-6". Pisahkan setiap nomor halaman atau rentang dengan koma.
- locale
- str
Petunjuk lokal dokumen input. Lihat lokal yang didukung di sini: https://aka.ms/azsdk/formrecognizer/supportedlocales.
Mengembalikan
Instans LROPoller. Panggil result() pada objek poller untuk mengembalikan AnalyzeResult.
Tipe hasil
Pengecualian
Contoh
Menganalisis tanda terima. Untuk sampel lainnya, lihat folder sampel .
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_analysis_client = DocumentAnalysisClient(
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 = document_analysis_client.begin_analyze_document_from_url(
"prebuilt-receipt", document_url=url
)
receipts = poller.result()
for idx, receipt in enumerate(receipts.documents):
print(f"--------Analysis of receipt #{idx + 1}--------")
print(f"Receipt type: {receipt.doc_type if receipt.doc_type else 'N/A'}")
merchant_name = receipt.fields.get("MerchantName")
if merchant_name:
print(
f"Merchant Name: {merchant_name.value} has confidence: "
f"{merchant_name.confidence}"
)
transaction_date = receipt.fields.get("TransactionDate")
if transaction_date:
print(
f"Transaction Date: {transaction_date.value} has confidence: "
f"{transaction_date.confidence}"
)
if receipt.fields.get("Items"):
print("Receipt items:")
for idx, item in enumerate(receipt.fields.get("Items").value):
print(f"...Item #{idx + 1}")
item_description = item.value.get("Description")
if item_description:
print(
f"......Item Description: {item_description.value} has confidence: "
f"{item_description.confidence}"
)
item_quantity = item.value.get("Quantity")
if item_quantity:
print(
f"......Item Quantity: {item_quantity.value} has confidence: "
f"{item_quantity.confidence}"
)
item_price = item.value.get("Price")
if item_price:
print(
f"......Individual Item Price: {item_price.value} has confidence: "
f"{item_price.confidence}"
)
item_total_price = item.value.get("TotalPrice")
if item_total_price:
print(
f"......Total Item Price: {item_total_price.value} has confidence: "
f"{item_total_price.confidence}"
)
subtotal = receipt.fields.get("Subtotal")
if subtotal:
print(f"Subtotal: {subtotal.value} has confidence: {subtotal.confidence}")
tax = receipt.fields.get("TotalTax")
if tax:
print(f"Total tax: {tax.value} has confidence: {tax.confidence}")
tip = receipt.fields.get("Tip")
if tip:
print(f"Tip: {tip.value} has confidence: {tip.confidence}")
total = receipt.fields.get("Total")
if total:
print(f"Total: {total.value} has confidence: {total.confidence}")
print("--------------------------------------")
begin_classify_document
Mengklasifikasikan dokumen menggunakan pengklasifikasi dokumen. Untuk informasi selengkapnya tentang cara membuat model pengklasifikasi kustom, lihat https://aka.ms/azsdk/formrecognizer/buildclassifiermodel.
Baru dalam versi 2023-07-31: Metode klien begin_classify_document .
begin_classify_document(classifier_id: str, document: bytes | IO[bytes], **kwargs: Any) -> LROPoller[AnalyzeResult]Parameter
- classifier_id
- str
Pengidentifikasi pengklasifikasi dokumen unik dapat diteruskan sebagai string.
Aliran file atau byte. Untuk jenis file yang didukung layanan, lihat: https://aka.ms/azsdk/formrecognizer/supportedfiles.
Mengembalikan
Instans LROPoller. Panggil result() pada objek poller untuk mengembalikan AnalyzeResult.
Tipe hasil
Pengecualian
Contoh
Mengklasifikasikan dokumen. Untuk sampel lainnya, lihat folder sampel .
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
classifier_id = os.getenv("CLASSIFIER_ID", classifier_id)
document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
with open(path_to_sample_documents, "rb") as f:
poller = document_analysis_client.begin_classify_document(
classifier_id, document=f
)
result = poller.result()
print("----Classified documents----")
for doc in result.documents:
print(
f"Found document of type '{doc.doc_type or 'N/A'}' with a confidence of {doc.confidence} contained on "
f"the following pages: {[region.page_number for region in doc.bounding_regions]}"
)
begin_classify_document_from_url
Mengklasifikasikan dokumen tertentu dengan pengklasifikasi dokumen. Untuk informasi selengkapnya tentang cara membuat model pengklasifikasi kustom, lihat https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. Input harus berupa lokasi (URL) dokumen yang akan diklasifikasikan.
Baru dalam versi 2023-07-31: Metode klien begin_classify_document_from_url .
begin_classify_document_from_url(classifier_id: str, document_url: str, **kwargs: Any) -> LROPoller[AnalyzeResult]Parameter
- classifier_id
- str
Pengidentifikasi pengklasifikasi dokumen unik dapat diteruskan sebagai string.
- document_url
- str
URL dokumen yang akan diklasifikasikan. Input harus valid, dikodekan dengan benar (yaitu mengodekan karakter khusus, seperti ruang kosong), dan URL yang dapat diakses publik dari salah satu format yang didukung: https://aka.ms/azsdk/formrecognizer/supportedfiles.
Mengembalikan
Instans LROPoller. Panggil result() pada objek poller untuk mengembalikan AnalyzeResult.
Tipe hasil
Pengecualian
Contoh
Mengklasifikasikan dokumen. Untuk sampel lainnya, lihat folder sampel .
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentAnalysisClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
classifier_id = os.getenv("CLASSIFIER_ID", classifier_id)
document_analysis_client = DocumentAnalysisClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
url = "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/tests/sample_forms/forms/IRS-1040.pdf"
poller = document_analysis_client.begin_classify_document_from_url(
classifier_id, document_url=url
)
result = poller.result()
print("----Classified documents----")
for doc in result.documents:
print(
f"Found document of type '{doc.doc_type or 'N/A'}' with a confidence of {doc.confidence} contained on "
f"the following pages: {[region.page_number for region in doc.bounding_regions]}"
)
close
send_request
Menjalankan permintaan jaringan menggunakan alur klien yang ada.
URL permintaan dapat relatif terhadap URL dasar. Versi API layanan yang digunakan untuk permintaan sama dengan klien kecuali ditentukan lain. Mengambil alih versi API klien yang dikonfigurasi di URL relatif didukung pada klien dengan API versi 2022-08-31 dan yang lebih baru. Mengambil alih URL absolut yang didukung pada klien dengan versi API apa pun. Metode ini tidak menaikkan jika respons adalah kesalahan; untuk menaikkan pengecualian, panggil raise_for_status() pada objek respons yang dikembalikan. Untuk informasi selengkapnya tentang cara mengirim permintaan kustom dengan metode ini, lihat https://aka.ms/azsdk/dpcodegen/python/send_request.
send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> HttpResponseParameter
- stream
- bool
Apakah payload respons akan dialirkan. Default ke False.
Mengembalikan
Respons panggilan jaringan Anda. Tidak melakukan penanganan kesalahan pada respons Anda.
Tipe hasil
Pengecualian
Azure SDK for Python
Saran dan Komentar
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat: https://aka.ms/ContentUserFeedback.
Kirim dan lihat umpan balik untuk