Usare i modelli di Informazioni sui documenti

Questo contenuto si applica a: v4.0 (anteprima) | Versioni precedenti: v3.1 (disponibilità generale) v3.0 (disponibilità generale) v2.1 (disponibilità generale)

In questa guida viene illustrato come aggiungere modelli di Informazioni sui documenti alle applicazioni e ai flussi di lavoro. È possibile usare un SDK del linguaggio di programmazione preferito o l'API REST.

Informazioni sui documenti di Azure AI è un servizio di Azure per intelligenza artificiale basato sul cloud che usa l'apprendimento automatico per estrarre testo chiave ed elementi della struttura dai documenti. È consigliabile usare il servizio gratuito mentre si acquisisce familiarità con questa tecnologia. Tenere presente che il numero di pagine gratuite è limitato a 500 al mese.

Scegliere tra i modelli di Informazioni sui documenti seguenti e analizzare ed estrarre dati e valori da moduli e documenti:

• Il modello prebuilt-read è alla base di tutti i modelli di Informazioni sui documenti e può rilevare righe, parole, posizioni e lingue. I modelli Layout, Documento generale, Predefinito e Personalizzato usano il modello read come base per estrarre testo dai documenti.

• Il modello prebuilt-layout estrae testo e posizioni di testo, tabelle, indicatori di selezione e informazioni sulla struttura da documenti e immagini. È possibile estrarre coppie chiave/valore usando il modello di layout con il parametro della stringa di query facoltativo features=keyValuePairs abilitato.

• Il modello di contratto predefinito estrae le informazioni chiave dagli accordi contrattuali.

• Il modello prebuilt-healthInsuranceCard.us estrae le informazioni chiave dalle tessere sanitarie degli Stati Uniti.

• Il modello modelli predefiniti di documenti fiscali estrae informazioni segnalate sui moduli fiscali statunitensi.

• Il modello prebuilt-invoice estrae campi chiave ed elementi riga dalle fatture di vendita in vari formati e qualità. I campi includono immagini acquisite dal telefono, documenti digitalizzati e PDF digitali.

• Il modello prebuilt-receipt estrae le informazioni chiave dalle ricevute di vendita stampate e scritte a mano.

• Il modello prebuilt-idDocument estrae le informazioni chiave da patenti degli Stati Uniti, pagine biografiche di passaporti internazionali, carte di identità degli Stati Uniti, tessere di previdenza sociale e carte di soggiorno permanente.

Prerequisiti

• Una sottoscrizione di Azure: crearne una gratuitamente.

• L'IDE di Visual Studio.

• Una risorsa Servizi di Azure AI o Informazioni sui documenti. Creare un servizio singolo o multiservizio. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

• La chiave e l'endpoint della risorsa creata saranno necessari per connettere l'applicazione al servizio Informazioni sui documenti di Azure.

  1. Dopo la distribuzione della risorsa selezionare Vai alla risorsa.
  2. Nel menu di spostamento a sinistra selezionare Chiavi ed Endpoint.
  3. Copiare una delle chiavi e l’endpoint da usare più avanti in questo articolo.

  

• Un file di documento in un percorso URL. Per questo progetto è possibile usare i moduli di esempio forniti nella tabella seguente per ogni funzionalità:

  Funzionalità	modelID	document-url
  Modello Lettura	prebuilt-read	Brochure di esempio
  Modello Layout	prebuilt-layout	Conferma di prenotazione di esempio
  Modello di modulo W-2	prebuilt-tax.us.w2	Modulo W-2 di esempio
  Modello di fattura	prebuilt-invoice	Esempio di fattura
  Modello Ricevuta	prebuilt-receipt	Ricevuta di esempio
  Modello Documento di identità	prebuilt-idDocument	Documento di identità di esempio
  Modello Biglietto da visita	prebuilt-businessCard	Biglietto da visita di esempio

Impostare le variabili di ambiente

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentAnalysisClient. A tale scopo, creare un'istanza del client con key e endpoint dal portale di Azure. Per questo progetto vengono usate le variabili di ambiente per archiviare e accedere alle credenziali.

Importante

Non includere la chiave direttamente nel codice e non pubblicarla mai pubblicamente. Per la produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per altre informazioni, vedere l'articolo sulla sicurezza di Servizi di Azure AI.

Per impostare la variabile di ambiente per la chiave di risorsa Informazioni sui documenti, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo. Sostituire <yourKey> e <yourEndpoint> con i valori della risorsa nel portale di Azure.

Windows

Le variabili di ambiente in Windows non applicano la distinzione tra maiuscole e minuscole. In genere vengono dichiarate in lettere maiuscole, con parole unite da un carattere di sottolineatura. Al prompt dei comandi, eseguire i seguenti comandi:

1. Impostare la variabile della chiave:

   setx DI_KEY <yourKey>
   

2. Impostare la variabile dell'endpoint

   setx DI_ENDPOINT <yourEndpoint>
   

3. Chiudere la finestra del prompt dei comandi dopo aver impostato le variabili di ambiente. I valori rimangono finché non vengono modificati di nuovo.

4. Riavviare tutti i programmi in esecuzione che leggono la variabile di ambiente. Se ad esempio si usa Visual Studio o Visual Studio Code come editor, riavviare prima di eseguire il codice di esempio.

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
setx VARIABLE_NAME=	Consente di eliminare la variabile di ambiente impostando il valore su una stringa vuota.	setx DI_KEY=
setx VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica.	set DI_KEY
set	Consente di visualizzare tutte le variabili di ambiente.	set

macOS

Le variabili di ambiente in macOS fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale. Aprire il terminale e immettere i comandi seguenti:

1. Impostare la variabile della chiave:

   export key=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export endpoint=<yourEndpoint>
   

È possibile impostare una variabile di ambiente in modo permanente inserendo un comando di esportazione nello script di avvio ~/.bash_profile di Bash:

1. Usare un editor di testo per aprire ~/.bash_profile e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Esempio: export DI_KEY="<yourKey>"

2. Salvare le modifiche apportate al file bash_profile.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bash-profile
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Linux

Le variabili di ambiente in Linux fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale:

1. Impostare la variabile della chiave:

   export DI_KEY=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export DI_ENDPOINT=<yourEndpoint>
   

Per impostare una variabile di ambiente in modo permanente, inserire un comando di esportazione nello script di avvio ~/.bashrc di Bash:

1. Usare l'editor di testo preferito per aprire il file ~/.bashrc e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export <VARIABLE>=<value>
   

   Esempio: export DI_KEY=<yourKey>

2. Salvare le modifiche apportate al file .bashrc.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bashrc
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY=
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Visualizzare il valore di una variabile di ambiente. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Configurare l'ambiente di programmazione

1. Avviare Visual Studio.

2. Nella pagina iniziale scegliere Crea un nuovo progetto.

   

3. Nella pagina Crea un nuovo progetto immettere console nella casella di ricerca. Selezionare il modello Applicazione console, quindi selezionare Avanti.

   

4. Nella pagina Configura il nuovo progetto, in Nome progetto immettere docIntelligence_app. Quindi seleziona Avanti.

   

5. Nella pagina Altre informazioni selezionare .NET 8.0 (supporto a lungo termine) e quindi selezionare Crea.

   

Installare la libreria client con NuGet

1. Fare clic con il pulsante destro del mouse sul progetto docIntelligence_app e selezionare Gestisci pacchetti NuGet....

   

2. Selezionare la scheda Esplora e digitare Azure.AI.FormRecognizer.

   

3. Selezionare una versione dal menu a discesa e installare il pacchetto nel progetto.

Compilare l'applicazione

Nota

A partire da .NET 6, i nuovi progetti che usano il modello console generano un nuovo stile di programma, diverso dalle versioni precedenti. Il nuovo output usa le funzionalità C# recenti che semplificano il codice da scrivere.

Quando si usa la versione più recente, è sufficiente scrivere il corpo del metodo Main. Non è necessario includere istruzioni generali, direttive using globali o direttive using implicite. Per altre informazioni, vedere Modello di app console C# genera istruzioni di primo livello.

1. Aprire il file Program.cs.

2. Eliminare il codice preesistente, inclusa la riga Console.Writeline("Hello World!").

3. Selezionare uno degli esempi di codice seguenti e copiare/incollare nel file Program.cs dell'applicazione:

   • prebuilt-read
   • prebuilt-layout
   • prebuilt-tax.us.w2
   • prebuilt-invoice
   • prebuilt-receipt
   • prebuilt-idDocument

4. Dopo aver aggiunto un esempio di codice all'applicazione, scegliere il pulsante verde di avvio accanto al nome del progetto per compilare ed eseguire il programma oppure premere F5.

   

Usare il modello Lettura

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(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/rest-api/read.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-read", fileUri);
AnalyzeResult result = operation.Value;

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"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} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }
}

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)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("Detected languages:");

foreach (DocumentLanguage language in result.Languages)
{
    Console.WriteLine($"  Found language with locale'{language.Locale}' with confidence {language.Confidence}.");
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'readoutput del modello.

Usare il modello Layout

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

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

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-layout", fileUri);

AnalyzeResult result = operation.Value;

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"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} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }

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

        Console.WriteLine($"  Selection Mark {i} is {selectionMark.State}.");
        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < selectionMark.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {selectionMark.BoundingPolygon[j].X}, Y: {selectionMark.BoundingPolygon[j].Y}");
        }
    }
}

Console.WriteLine("Paragraphs:");

foreach (DocumentParagraph paragraph in result.Paragraphs)
{
    Console.WriteLine($"  Paragraph 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)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("The following tables were extracted:");

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}) has kind '{cell.Kind}' and content: '{cell.Content}'.");
    }
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Layout.

Usare il modello di documento generale

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

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

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-document", fileUri);

AnalyzeResult result = operation.Value;

Console.WriteLine("Detected key-value pairs:");

foreach (DocumentKeyValuePair kvp in result.KeyValuePairs)
{
    if (kvp.Value == null)
    {
        Console.WriteLine($"  Found key with no value: '{kvp.Key.Content}'");
    }
    else
    {
        Console.WriteLine($"  Found key-value pair: '{kvp.Key.Content}' and '{kvp.Value.Content}'");
    }
}

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"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} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }

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

        Console.WriteLine($"  Selection Mark {i} is {selectionMark.State}.");
        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < selectionMark.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {selectionMark.BoundingPolygon[j].X}, Y: {selectionMark.BoundingPolygon[j].Y}");
        }
    }
}

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)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("The following tables were extracted:");

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}) has kind '{cell.Kind}' and content: '{cell.Content}'.");
    }
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Documento generale.

Usare il modello fiscale W-2

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri w2Uri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-tax.us.w2", w2Uri);

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("AdditionalInfo", out DocumentField? additionalInfoField))
    {
        if (additionalInfoField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField infoField in additionalInfoField.Value.AsList())
            {
                Console.WriteLine("AdditionalInfo:");

                if (infoField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> infoFields = infoField.Value.AsDictionary();

                    if (infoFields.TryGetValue("Amount", out DocumentField? amountField))
                    {
                        if (amountField.FieldType == DocumentFieldType.Double)
                        {
                            double amount = amountField.Value.AsDouble();

                            Console.WriteLine($"  Amount: '{amount}', with confidence {amountField.Confidence}");
                        }
                    }

                    if (infoFields.TryGetValue("LetterCode", out DocumentField? letterCodeField))
                    {
                        if (letterCodeField.FieldType == DocumentFieldType.String)
                        {
                            string letterCode = letterCodeField.Value.AsString();

                            Console.WriteLine($"  LetterCode: '{letterCode}', with confidence {letterCodeField.Confidence}");
                        }
                    }
                }
            }
        }
    }


    if (document.Fields.TryGetValue("AllocatedTips", out DocumentField? allocatedTipsField))
    {
        if (allocatedTipsField.FieldType == DocumentFieldType.Double)
        {
            double allocatedTips = allocatedTipsField.Value.AsDouble();
            Console.WriteLine($"Allocated Tips: '{allocatedTips}', with confidence {allocatedTipsField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("Employer", out DocumentField? employerField))
    {
        if (employerField.FieldType == DocumentFieldType.Dictionary)
        {
            IReadOnlyDictionary<string, DocumentField> employerFields = employerField.Value.AsDictionary();

            if (employerFields.TryGetValue("Name", out DocumentField? employerNameField))
            {
                if (employerNameField.FieldType == DocumentFieldType.String)
                {
                    string name = employerNameField.Value.AsString();

                    Console.WriteLine($"Employer Name: '{name}', with confidence {employerNameField.Confidence}");
                }
            }

            if (employerFields.TryGetValue("IdNumber", out DocumentField? idNumberField))
            {
                if (idNumberField.FieldType == DocumentFieldType.String)
                {
                    string id = idNumberField.Value.AsString();

                    Console.WriteLine($"Employer ID Number: '{id}', with confidence {idNumberField.Confidence}");
                }
            }

            if (employerFields.TryGetValue("Address", out DocumentField? addressField))
            {
                if (addressField.FieldType == DocumentFieldType.Address)
                {
                    Console.WriteLine($"Employer Address: '{addressField.Content}', with confidence {addressField.Confidence}");
                }
            }
        }
    }
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello fiscale W-2.

Usare il modello di fattura

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

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

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-invoice", invoiceUri);

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))
    {
        if (vendorNameField.FieldType == DocumentFieldType.String)
        {
            string vendorName = vendorNameField.Value.AsString();
            Console.WriteLine($"Vendor Name: '{vendorName}', with confidence {vendorNameField.Confidence}");
        }
    }

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

    if (document.Fields.TryGetValue("Items", out DocumentField itemsField))
    {
        if (itemsField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField itemField in itemsField.Value.AsList())
            {
                Console.WriteLine("Item:");

                if (itemField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> itemFields = itemField.Value.AsDictionary();

                    if (itemFields.TryGetValue("Description", out DocumentField itemDescriptionField))
                    {
                        if (itemDescriptionField.FieldType == DocumentFieldType.String)
                        {
                            string itemDescription = itemDescriptionField.Value.AsString();

                            Console.WriteLine($"  Description: '{itemDescription}', with confidence {itemDescriptionField.Confidence}");
                        }
                    }

                    if (itemFields.TryGetValue("Amount", out DocumentField itemAmountField))
                    {
                        if (itemAmountField.FieldType == DocumentFieldType.Currency)
                        {
                            CurrencyValue itemAmount = itemAmountField.Value.AsCurrency();

                            Console.WriteLine($"  Amount: '{itemAmount.Symbol}{itemAmount.Amount}', with confidence {itemAmountField.Confidence}");
                        }
                    }
                }
            }
        }
    }

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

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

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Fattura.

Usare il modello di ricevuta

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

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

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-receipt", receiptUri);

AnalyzeResult receipts = operation.Value;

foreach (AnalyzedDocument receipt in receipts.Documents)
{
    if (receipt.Fields.TryGetValue("MerchantName", out DocumentField merchantNameField))
    {
        if (merchantNameField.FieldType == DocumentFieldType.String)
        {
            string merchantName = merchantNameField.Value.AsString();

            Console.WriteLine($"Merchant Name: '{merchantName}', with confidence {merchantNameField.Confidence}");
        }
    }

    if (receipt.Fields.TryGetValue("TransactionDate", out DocumentField transactionDateField))
    {
        if (transactionDateField.FieldType == DocumentFieldType.Date)
        {
            DateTimeOffset transactionDate = transactionDateField.Value.AsDate();

            Console.WriteLine($"Transaction Date: '{transactionDate}', with confidence {transactionDateField.Confidence}");
        }
    }

    if (receipt.Fields.TryGetValue("Items", out DocumentField itemsField))
    {
        if (itemsField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField itemField in itemsField.Value.AsList())
            {
                Console.WriteLine("Item:");

                if (itemField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> itemFields = itemField.Value.AsDictionary();

                    if (itemFields.TryGetValue("Description", out DocumentField itemDescriptionField))
                    {
                        if (itemDescriptionField.FieldType == DocumentFieldType.String)
                        {
                            string itemDescription = itemDescriptionField.Value.AsString();

                            Console.WriteLine($"  Description: '{itemDescription}', with confidence {itemDescriptionField.Confidence}");
                        }
                    }

                    if (itemFields.TryGetValue("TotalPrice", out DocumentField itemTotalPriceField))
                    {
                        if (itemTotalPriceField.FieldType == DocumentFieldType.Double)
                        {
                            double itemTotalPrice = itemTotalPriceField.Value.AsDouble();

                            Console.WriteLine($"  Total Price: '{itemTotalPrice}', with confidence {itemTotalPriceField.Confidence}");
                        }
                    }
                }
            }
        }
    }

    if (receipt.Fields.TryGetValue("Total", out DocumentField totalField))
    {
        if (totalField.FieldType == DocumentFieldType.Double)
        {
            double total = totalField.Value.AsDouble();

            Console.WriteLine($"Total: '{total}', with confidence '{totalField.Confidence}'");
        }
    }
}

Visitare il repository di esempi di Azure in GitHub per visualizzare l'output del modello di ricevuta.

Modello di documento di identità

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document

Uri idDocumentUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-idDocument", idDocumentUri);

AnalyzeResult identityDocuments = operation.Value;

AnalyzedDocument identityDocument = identityDocuments.Documents.Single();

if (identityDocument.Fields.TryGetValue("Address", out DocumentField addressField))
{
    if (addressField.FieldType == DocumentFieldType.String)
    {
        string address = addressField.Value. AsString();
        Console.WriteLine($"Address: '{address}', with confidence {addressField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("CountryRegion", out DocumentField countryRegionField))
{
    if (countryRegionField.FieldType == DocumentFieldType.CountryRegion)
    {
        string countryRegion = countryRegionField.Value.AsCountryRegion();
        Console.WriteLine($"CountryRegion: '{countryRegion}', with confidence {countryRegionField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DateOfBirth", out DocumentField dateOfBirthField))
{
    if (dateOfBirthField.FieldType == DocumentFieldType.Date)
    {
        DateTimeOffset dateOfBirth = dateOfBirthField.Value.AsDate();
        Console.WriteLine($"Date Of Birth: '{dateOfBirth}', with confidence {dateOfBirthField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DateOfExpiration", out DocumentField dateOfExpirationField))
{
    if (dateOfExpirationField.FieldType == DocumentFieldType.Date)
    {
        DateTimeOffset dateOfExpiration = dateOfExpirationField.Value.AsDate();
        Console.WriteLine($"Date Of Expiration: '{dateOfExpiration}', with confidence {dateOfExpirationField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DocumentNumber", out DocumentField documentNumberField))
{
    if (documentNumberField.FieldType == DocumentFieldType.String)
    {
        string documentNumber = documentNumberField.Value.AsString();
        Console.WriteLine($"Document Number: '{documentNumber}', with confidence {documentNumberField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("FirstName", out DocumentField firstNameField))
{
    if (firstNameField.FieldType == DocumentFieldType.String)
    {
        string firstName = firstNameField.Value.AsString();
        Console.WriteLine($"First Name: '{firstName}', with confidence {firstNameField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("LastName", out DocumentField lastNameField))
{
    if (lastNameField.FieldType == DocumentFieldType.String)
    {
        string lastName = lastNameField.Value.AsString();
        Console.WriteLine($"Last Name: '{lastName}', with confidence {lastNameField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("Region", out DocumentField regionfield))
{
    if (regionfield.FieldType == DocumentFieldType.String)
    {
        string region = regionfield.Value.AsString();
        Console.WriteLine($"Region: '{region}', with confidence {regionfield.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("Sex", out DocumentField sexfield))
{
    if (sexfield.FieldType == DocumentFieldType.String)
    {
        string sex = sexfield.Value.AsString();
        Console.WriteLine($"Sex: '{sex}', with confidence {sexfield.Confidence}");
    }
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello del documento di identità.

Usare il modello di biglietto da visita

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri businessCardUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/business-card-english.jpg");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-businessCard", businessCardUri);

AnalyzeResult businessCards = operation.Value;

foreach (AnalyzedDocument businessCard in businessCards.Documents)
{
    if (businessCard.Fields.TryGetValue("ContactNames", out DocumentField ContactNamesField))
    {
        if (ContactNamesField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField contactNameField in ContactNamesField.Value.AsList())
            {
                Console.WriteLine("Contact Name: ");

                if (contactNameField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> contactNameFields = contactNameField.Value.AsDictionary();

                    if (contactNameFields.TryGetValue("FirstName", out DocumentField firstNameField))
                    {
                        if (firstNameField.FieldType == DocumentFieldType.String)
                        {
                            string firstName = firstNameField.Value.AsString();

                            Console.WriteLine($"  First Name: '{firstName}', with confidence {firstNameField.Confidence}");
                        }
                    }

                    if (contactNameFields.TryGetValue("LastName", out DocumentField lastNameField))
                    {
                        if (lastNameField.FieldType == DocumentFieldType.String)
                        {
                            string lastName = lastNameField.Value.AsString();

                            Console.WriteLine($"  Last Name: '{lastName}', with confidence {lastNameField.Confidence}");
                        }
                    }
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("JobTitles", out DocumentField jobTitlesFields))
    {
        if (jobTitlesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField jobTitleField in jobTitlesFields.Value.AsList())
            {
                if (jobTitleField.FieldType == DocumentFieldType.String)
                {
                    string jobTitle = jobTitleField.Value.AsString();

                    Console.WriteLine($"Job Title: '{jobTitle}', with confidence {jobTitleField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Departments", out DocumentField departmentFields))
    {
        if (departmentFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField departmentField in departmentFields.Value.AsList())
            {
                if (departmentField.FieldType == DocumentFieldType.String)
                {
                    string department = departmentField.Value.AsString();

                    Console.WriteLine($"Department: '{department}', with confidence {departmentField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Emails", out DocumentField emailFields))
    {
        if (emailFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField emailField in emailFields.Value.AsList())
            {
                if (emailField.FieldType == DocumentFieldType.String)
                {
                    string email = emailField.Value.AsString();

                    Console.WriteLine($"Email: '{email}', with confidence {emailField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Websites", out DocumentField websiteFields))
    {
        if (websiteFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField websiteField in websiteFields.Value.AsList())
            {
                if (websiteField.FieldType == DocumentFieldType.String)
                {
                    string website = websiteField.Value.AsString();

                    Console.WriteLine($"Website: '{website}', with confidence {websiteField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("MobilePhones", out DocumentField mobilePhonesFields))
    {
        if (mobilePhonesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField mobilePhoneField in mobilePhonesFields.Value.AsList())
            {
                if (mobilePhoneField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string mobilePhone = mobilePhoneField.Value.AsPhoneNumber();

                    Console.WriteLine($"Mobile phone number: '{mobilePhone}', with confidence {mobilePhoneField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("WorkPhones", out DocumentField workPhonesFields))
    {
        if (workPhonesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField workPhoneField in workPhonesFields.Value.AsList())
            {
                if (workPhoneField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string workPhone = workPhoneField.Value.AsPhoneNumber();

                    Console.WriteLine($"Work phone number: '{workPhone}', with confidence {workPhoneField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Faxes", out DocumentField faxesFields))
    {
        if (faxesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField faxField in faxesFields.Value.AsList())
            {
                if (faxField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string fax = faxField.Value.AsPhoneNumber();

                    Console.WriteLine($"Fax phone number: '{fax}', with confidence {faxField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Addresses", out DocumentField addressesFields))
    {
        if (addressesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField addressField in addressesFields.Value.AsList())
            {
                if (addressField.FieldType == DocumentFieldType.String)
                {
                    string address = addressField.Value.AsString();

                    Console.WriteLine($"Address: '{address}', with confidence {addressField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("CompanyNames", out DocumentField companyNamesFields))
    {
        if (companyNamesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField companyNameField in companyNamesFields.Value.AsList())
            {
                if (companyNameField.FieldType == DocumentFieldType.String)
                {
                    string companyName = companyNameField.Value.AsString();

                    Console.WriteLine($"Company name: '{companyName}', with confidence {companyNameField.Confidence}");
                }
            }
        }
    }
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Biglietto da visita.

Libreria client | Riferimento SDK | Riferimento API REST | Pacchetto (Maven) | Esempi |Versione dell'API REST supportata

Prerequisiti

• Una sottoscrizione di Azure: crearne una gratuitamente.

• La versione più recente di Visual Studio Code o dell'IDE preferito. Vedere Java in Visual Studio Code.

  • Visual Studio Code offre un pacchetto di codifica per Java per Windows e macOS. Il pacchetto di codifica è un bundle di codice VS, Java Development Kit (JDK) e una raccolta di estensioni suggerite da Microsoft. Il Coding Pack può essere usato anche per correggere un ambiente di sviluppo esistente.
  • Se si usano VS Code e Coding Pack per Java, installare l'estensione Gradle per Java.

  Se non si usa Visual Studio Code, assicurarsi di avere installato quanto segue nell'ambiente di sviluppo:

  • Un Java Development Kit (JDK) versione 8 o successiva. Per altre informazioni, vedere Microsoft Build di OpenJDK.
  • Gradle, versione 6.8 o successiva.

• Una risorsa Servizi di Azure AI o Informazioni sui documenti. Creare un servizio singolo o multiservizio. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

  Suggerimento

  Creare una risorsa Servizi di Azure AI se si prevede di accedere a più Servizi di Azure AI usando un singolo endpoint e una singola chiave. Solo per l'accesso a Informazioni sui documenti, creare una risorsa di Informazioni sui documenti. Sarà necessaria una risorsa di tipo servizio singolo se si intende usare l'autenticazione di Microsoft Entra.

• La chiave e l'endpoint della risorsa creata saranno necessari per connettere l'applicazione al servizio Informazioni sui documenti di Azure.

  1. Dopo la distribuzione della risorsa selezionare Vai alla risorsa.
  2. Nel menu di spostamento a sinistra selezionare Chiavi ed Endpoint.
  3. Copiare una delle chiavi e l’endpoint da usare più avanti in questo articolo.

  

• Un file di documento in un URL. Per questo progetto è possibile usare i moduli di esempio forniti nella tabella seguente per ogni funzionalità:

  Funzionalità	modelID	document-url
  Modello Lettura	prebuilt-read	Brochure di esempio
  Modello Layout	prebuilt-layout	Conferma di prenotazione di esempio
  Modello di modulo W-2	prebuilt-tax.us.w2	Modulo W-2 di esempio
  Modello di fattura	prebuilt-invoice	Esempio di fattura
  Modello Ricevuta	prebuilt-receipt	Ricevuta di esempio
  Modello Documento di identità	prebuilt-idDocument	Documento di identità di esempio

Impostare le variabili di ambiente

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentAnalysisClient. A tale scopo, creare un'istanza del client con key e endpoint dal portale di Azure. Per questo progetto vengono usate le variabili di ambiente per archiviare e accedere alle credenziali.

Importante

Non includere la chiave direttamente nel codice e non pubblicarla mai pubblicamente. Per la produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per altre informazioni, vedere l'articolo sulla sicurezza di Servizi di Azure AI.

Per impostare la variabile di ambiente per la chiave di risorsa Informazioni sui documenti, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo. Sostituire <yourKey> e <yourEndpoint> con i valori della risorsa nel portale di Azure.

Windows

Le variabili di ambiente in Windows non applicano la distinzione tra maiuscole e minuscole. In genere vengono dichiarate in lettere maiuscole, con parole unite da un carattere di sottolineatura. Al prompt dei comandi, eseguire i seguenti comandi:

1. Impostare la variabile della chiave:

   setx DI_KEY <yourKey>
   

2. Impostare la variabile dell'endpoint

   setx DI_ENDPOINT <yourEndpoint>
   

3. Chiudere la finestra del prompt dei comandi dopo aver impostato le variabili di ambiente. I valori rimangono finché non vengono modificati di nuovo.

4. Riavviare tutti i programmi in esecuzione che leggono la variabile di ambiente. Se ad esempio si usa Visual Studio o Visual Studio Code come editor, riavviare prima di eseguire il codice di esempio.

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
setx VARIABLE_NAME=	Consente di eliminare la variabile di ambiente impostando il valore su una stringa vuota.	setx DI_KEY=
setx VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica.	set DI_KEY
set	Consente di visualizzare tutte le variabili di ambiente.	set

macOS

Le variabili di ambiente in macOS fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale. Aprire il terminale e immettere i comandi seguenti:

1. Impostare la variabile della chiave:

   export key=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export endpoint=<yourEndpoint>
   

È possibile impostare una variabile di ambiente in modo permanente inserendo un comando di esportazione nello script di avvio ~/.bash_profile di Bash:

1. Usare un editor di testo per aprire ~/.bash_profile e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Esempio: export DI_KEY="<yourKey>"

2. Salvare le modifiche apportate al file bash_profile.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bash-profile
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Linux

Le variabili di ambiente in Linux fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale:

1. Impostare la variabile della chiave:

   export DI_KEY=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export DI_ENDPOINT=<yourEndpoint>
   

Per impostare una variabile di ambiente in modo permanente, inserire un comando di esportazione nello script di avvio ~/.bashrc di Bash:

1. Usare l'editor di testo preferito per aprire il file ~/.bashrc e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export <VARIABLE>=<value>
   

   Esempio: export DI_KEY=<yourKey>

2. Salvare le modifiche apportate al file .bashrc.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bashrc
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY=
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Visualizzare il valore di una variabile di ambiente. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Configurare l'ambiente di programmazione

Per configurare l'ambiente di programmazione, creare un progetto Gradle e installare la libreria client.

Creare un progetto Gradle

1. In una finestra della console creare una directory per l'app denominata doc-intelligence-app e passare a essa.

   mkdir doc-intelligence-app
   cd doc-intelligence-app
   

2. Eseguire il comando gradle init dalla directory di lavoro. Questo comando crea i file di compilazione essenziali per Gradle, tra cui build.gradle.kts, che viene usato in fase di esecuzione per creare e configurare l'applicazione.

   gradle init --type basic
   

3. Quando viene chiesto di scegliere un linguaggio DSL, selezionare Kotlin.

4. Selezionare Immettere per accettare il nome del progetto predefinito doc-intelligence-app.

Installare la libreria client

Questo articolo usa l'utilità di gestione delle dipendenze Gradle. La libreria client e le informazioni per altre utilità di gestione dipendenze sono disponibili in Maven Central Repository.

1. Aprire il file build.gradle.kts del progetto nell'IDE. Copiare e incollare il codice seguente per includere la libreria client come istruzione implementation, insieme alle impostazioni e ai plug-in necessari.

   plugins {
      java
      application
   }
   application {
       mainClass.set("DocIntelligence")
   }
   repositories {
       mavenCentral()
   }
   dependencies {
       implementation group: 'com.azure', name: 'azure-ai-documentintelligence', version: '1.0.0-beta.2'
   }
   

Creare un'applicazione Java

Per interagire con il servizio Informazioni sui documenti, creare un'istanza della classe DocumentIntelligenceClient. A tale scopo, creare AzureKeyCredential con key dal portale di Azure e un'istanza di DocumentIntelligenceClient con AzureKeyCredential e endpoint di Informazioni sui documenti.

1. Dalla directory doc-intel-app eseguire il comando seguente:

   mkdir -p src/main/java
   

Questo comando crea la struttura di directory seguente:

1. Passare alla directory java e creare un file denominato DocIntelligence.java.

   Suggerimento

   È possibile creare un nuovo file usando PowerShell. Tenendo premuto il tasto MAIUSC e facendo clic con il pulsante destro del mouse sulla cartella, aprire una finestra di PowerShell nella directory del progetto, quindi digitare il comando seguente: Nuovo elemento DocIntelligence.java.

2. Aprire il file DocIntelligence.java e selezionare uno degli esempi di codice seguenti E copiare/incollare nell'applicazione:

   • Il modello prebuilt-read è alla base di tutti i modelli di Informazioni sui documenti e può rilevare righe, parole, posizioni e lingue. I modelli Layout, Documento generale, Predefinito e Personalizzato usano il readmodello Lettura come base per estrarre testo dai documenti.
   • Il modello prebuilt-layout estrae testo e posizioni di testo, tabelle, indicatori di selezione e informazioni sulla struttura da documenti e immagini.
   • Il modello prebuilt-tax.us.w2 estrae le informazioni riportate nei moduli fiscali di IRS (Internal Revenue Service) degli Stati Uniti.
   • Il modello prebuilt-invoice estrae campi chiave ed elementi riga dalle fatture di vendita in vari formati.
   • Il modello prebuilt-receipt estrae le informazioni chiave dalle ricevute di vendita stampate e scritte a mano.
   • Il modello prebuilt-idDocument estrae le informazioni chiave da patenti degli Stati Uniti, pagine biografiche di passaporti internazionali, carte di identità degli Stati Uniti, tessere di previdenza sociale e carte di soggiorno permanente (verdi).

3. Digitare i comandi seguenti:

   gradle build
   gradle run
   

Usare il modello Lettura

import com.azure.ai.documentintelligence;

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 {

  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

//sample document
String documentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png";

String modelId = "prebuilt-read";

SyncPoller < OperationResult, AnalyzeResult > analyzeLayoutResultPoller =
  client.beginAnalyzeDocument(modelId, invoiceUrl);;

AnalyzeResult analyzeLayoutResult = analyzeLayoutResultPoller.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.getBoundingPolygon().toString()));

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello read.

Usare il modello Layout

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

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

SyncPoller < OperationResult, AnalyzeResult > analyzeLayoutResultPoller =
  client.beginAnalyzeDocument(modelId, layoutDocumentUrl);

AnalyzeResult analyzeLayoutResult = analyzeLayoutResultPoller.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.getBoundingPolygon().toString()));

  // 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.getSelectionMarkState().toString(),
      getBoundingCoordinates(documentSelectionMark.getBoundingPolygon()),
      documentSelectionMark.getConfidence()));
});

// tables
List < DocumentTable > tables = analyzeLayoutResult.getTables();
for (int i = 0; i < tables.size(); i++) {
  DocumentTable documentTables = tables.get(i);
  System.out.printf("Table %d has %d rows and %d columns.%n", i, documentTables.getRowCount(),
    documentTables.getColumnCount());
  documentTables.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();
}

}

// Utility function to get the bounding polygon coordinates.
private static String getBoundingCoordinates(List < Point > boundingPolygon) {
  return boundingPolygon.stream().map(point -> String.format("[%.2f, %.2f]", point.getX(),
    point.getY())).collect(Collectors.joining(", "));
}

}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Layout.

Usare il modello di documento generale

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

//sample document
String generalDocumentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf";
String modelId = "prebuilt-document";
SyncPoller < OperationResult, AnalyzeResult > analyzeDocumentPoller =
  client.beginAnalyzeDocument(modelId, generalDocumentUrl);

AnalyzeResult analyzeResult = analyzeDocumentPoller.getFinalResult().getAnalyzeResult();;

// pages
analyzeResult.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.getBoundingPolygon().toString()));

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

// tables
List < DocumentTable > tab_les = analyzeResult.getTables();
for (int i = 0; i < tab_les.size(); i++) {
  DocumentTable documentTable = tab_les.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();
}

// Key-value pairs
analyzeResult.getKeyValuePairs().forEach(documentKeyValuePair -> {
  System.out.printf("Key content: %s%n", documentKeyValuePair.getKey().getContent());
  System.out.printf("Key content bounding region: %s%n",
    documentKeyValuePair.getKey().getBoundingRegions().toString());

  if (documentKeyValuePair.getValue() != null) {
    System.out.printf("Value content: %s%n", documentKeyValuePair.getValue().getContent());
    System.out.printf("Value content bounding region: %s%n", documentKeyValuePair.getValue().getBoundingRegions().toString());
  }
});

}

}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Documento generale.

Usare il modello fiscale W-2

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

// sample document
String w2Url = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png";
String modelId = "prebuilt-tax.us.w2";

SyncPoller < OperationResult, AnalyzeResult > analyzeW2Poller =
  client.beginAnalyzeDocument(modelId, w2Url);

AnalyzeResult analyzeTaxResult = analyzeW2Poller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < analyzeTaxResult.getDocuments().size(); i++) {
  AnalyzedDocument analyzedTaxDocument = analyzeTaxResult.getDocuments().get(i);
  Map < String, DocumentField > taxFields = analyzedTaxDocument.getFields();
  System.out.printf("----------- Analyzing Document  %d -----------%n", i);
  DocumentField w2FormVariantField = taxFields.get("W2FormVariant");
  if (w2FormVariantField != null) {
    if (DocumentFieldType.STRING == w2FormVariantField.getType()) {
      String merchantName = w2FormVariantField.getValueAsString();
      System.out.printf("Form variant: %s, confidence: %.2f%n",
        merchantName, w2FormVariantField.getConfidence());
    }
  }

  DocumentField employeeField = taxFields.get("Employee");
  if (employeeField != null) {
    System.out.println("Employee Data: ");
    if (DocumentFieldType.MAP == employeeField.getType()) {
      Map < String, DocumentField > employeeDataFieldMap = employeeField.getValueAsMap();
      DocumentField employeeName = employeeDataFieldMap.get("Name");
      if (employeeName != null) {
        if (DocumentFieldType.STRING == employeeName.getType()) {
          String employeesName = employeeName.getValueAsString();
          System.out.printf("Employee Name: %s, confidence: %.2f%n",
            employeesName, employeeName.getConfidence());
        }
      }
      DocumentField employeeAddrField = employeeDataFieldMap.get("Address");
      if (employeeAddrField != null) {
        if (DocumentFieldType.STRING == employeeAddrField.getType()) {
          String employeeAddress = employeeAddrField.getValueAsString();
          System.out.printf("Employee Address: %s, confidence: %.2f%n",
            employeeAddress, employeeAddrField.getConfidence());
        }
      }
    }
  }

  DocumentField employerField = taxFields.get("Employer");
  if (employerField != null) {
    System.out.println("Employer Data: ");
    if (DocumentFieldType.MAP == employerField.getType()) {
      Map < String, DocumentField > employerDataFieldMap = employerField.getValueAsMap();
      DocumentField employerNameField = employerDataFieldMap.get("Name");
      if (employerNameField != null) {
        if (DocumentFieldType.STRING == employerNameField.getType()) {
          String employerName = employerNameField.getValueAsString();
          System.out.printf("Employer Name: %s, confidence: %.2f%n",
            employerName, employerNameField.getConfidence());
        }
      }

      DocumentField employerIDNumberField = employerDataFieldMap.get("IdNumber");
      if (employerIDNumberField != null) {
        if (DocumentFieldType.STRING == employerIDNumberField.getType()) {
          String employerIdNumber = employerIDNumberField.getValueAsString();
          System.out.printf("Employee ID Number: %s, confidence: %.2f%n",
            employerIdNumber, employerIDNumberField.getConfidence());
        }
      }
    }
  }

  DocumentField taxYearField = taxFields.get("TaxYear");
  if (taxYearField != null) {
    if (DocumentFieldType.STRING == taxYearField.getType()) {
      String taxYear = taxYearField.getValueAsString();
      System.out.printf("Tax year: %s, confidence: %.2f%n",
        taxYear, taxYearField.getConfidence());
    }
  }

  DocumentField taxDateField = taxFields.get("TaxDate");
  if (taxDateField != null) {
    if (DocumentFieldType.DATE == taxDateField.getType()) {
      LocalDate taxDate = taxDateField.getValueAsDate();
      System.out.printf("Tax Date: %s, confidence: %.2f%n",
        taxDate, taxDateField.getConfidence());
    }
  }

  DocumentField socialSecurityTaxField = taxFields.get("SocialSecurityTaxWithheld");
  if (socialSecurityTaxField != null) {
    if (DocumentFieldType.DOUBLE == socialSecurityTaxField.getType()) {
      Double socialSecurityTax = socialSecurityTaxField.getValueAsDouble();
      System.out.printf("Social Security Tax withheld: %.2f, confidence: %.2f%n",
        socialSecurityTax, socialSecurityTaxField.getConfidence());
    }
  }
}
}
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello fiscale W-2.

Usare il modello di fattura

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

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

SyncPoller < OperationResult, AnalyzeResult > analyzeInvoicesPoller =
  client.beginAnalyzeDocument(modelId, invoiceUrl);

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

for (int i = 0; i < analyzeInvoiceResult.getDocuments().size(); i++) {
  AnalyzedDocument 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.getValueAsString();
      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.getValueAsString();
      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.getValueAsString();
      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.getValueAsString();
      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.getValueAsString();
      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.getValueAsDate();
      System.out.printf("Invoice Date: %s, confidence: %.2f%n",
        invoiceDate, invoiceDateField.getConfidence());
    }
  }

  DocumentField invoiceTotalField = invoiceFields.get("InvoiceTotal");
  if (customerAddressRecipientField != null) {
    if (DocumentFieldType.DOUBLE == invoiceTotalField.getType()) {
      Double invoiceTotal = invoiceTotalField.getValueAsDouble();
      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.LIST == invoiceItemsField.getType()) {
      List < DocumentField > invoiceItems = invoiceItemsField.getValueAsList();
      invoiceItems.stream()
        .filter(invoiceItem -> DocumentFieldType.MAP == invoiceItem.getType())
        .map(documentField -> documentField.getValueAsMap())
        .forEach(documentFieldMap -> documentFieldMap.forEach((key, documentField) -> {
          if ("Description".equals(key)) {
            if (DocumentFieldType.STRING == documentField.getType()) {
              String name = documentField.getValueAsString();
              System.out.printf("Description: %s, confidence: %.2fs%n",
                name, documentField.getConfidence());
            }
          }
          if ("Quantity".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double quantity = documentField.getValueAsDouble();
              System.out.printf("Quantity: %f, confidence: %.2f%n",
                quantity, documentField.getConfidence());
            }
          }
          if ("UnitPrice".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double unitPrice = documentField.getValueAsDouble();
              System.out.printf("Unit Price: %f, confidence: %.2f%n",
                unitPrice, documentField.getConfidence());
            }
          }
          if ("ProductCode".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double productCode = documentField.getValueAsDouble();
              System.out.printf("Product Code: %f, confidence: %.2f%n",
                productCode, documentField.getConfidence());
            }
          }
        }));
    }
  }
}
}
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Fattura.

Usare il modello di ricevuta

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

String receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png";
String modelId = "prebuilt-receipt";

SyncPoller < OperationResult, AnalyzeResult > analyzeReceiptPoller =
  client.beginAnalyzeDocument(modelId, receiptUrl);

AnalyzeResult receiptResults = analyzeReceiptPoller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < receiptResults.getDocuments().size(); i++) {
  AnalyzedDocument analyzedReceipt = receiptResults.getDocuments().get(i);
  Map < String, DocumentField > receiptFields = analyzedReceipt.getFields();
  System.out.printf("----------- Analyzing receipt info %d -----------%n", i);
  DocumentField merchantNameField = receiptFields.get("MerchantName");
  if (merchantNameField != null) {
    if (DocumentFieldType.STRING == merchantNameField.getType()) {
      String merchantName = merchantNameField.getValueAsString();
      System.out.printf("Merchant Name: %s, confidence: %.2f%n",
        merchantName, merchantNameField.getConfidence());
    }
  }

  DocumentField merchantPhoneNumberField = receiptFields.get("MerchantPhoneNumber");
  if (merchantPhoneNumberField != null) {
    if (DocumentFieldType.PHONE_NUMBER == merchantPhoneNumberField.getType()) {
      String merchantAddress = merchantPhoneNumberField.getValueAsPhoneNumber();
      System.out.printf("Merchant Phone number: %s, confidence: %.2f%n",
        merchantAddress, merchantPhoneNumberField.getConfidence());
    }
  }

  DocumentField merchantAddressField = receiptFields.get("MerchantAddress");
  if (merchantAddressField != null) {
    if (DocumentFieldType.STRING == merchantAddressField.getType()) {
      String merchantAddress = merchantAddressField.getValueAsString();
      System.out.printf("Merchant Address: %s, confidence: %.2f%n",
        merchantAddress, merchantAddressField.getConfidence());
    }
  }

  DocumentField transactionDateField = receiptFields.get("TransactionDate");
  if (transactionDateField != null) {
    if (DocumentFieldType.DATE == transactionDateField.getType()) {
      LocalDate transactionDate = transactionDateField.getValueAsDate();
      System.out.printf("Transaction Date: %s, confidence: %.2f%n",
        transactionDate, transactionDateField.getConfidence());
    }
  }

  DocumentField receiptItemsField = receiptFields.get("Items");
  if (receiptItemsField != null) {
    System.out.printf("Receipt Items: %n");
    if (DocumentFieldType.LIST == receiptItemsField.getType()) {
      List < DocumentField > receiptItems = receiptItemsField.getValueAsList();
      receiptItems.stream()
        .filter(receiptItem -> DocumentFieldType.MAP == receiptItem.getType())
        .map(documentField -> documentField.getValueAsMap())
        .forEach(documentFieldMap -> documentFieldMap.forEach((key, documentField) -> {
          if ("Name".equals(key)) {
            if (DocumentFieldType.STRING == documentField.getType()) {
              String name = documentField.getValueAsString();
              System.out.printf("Name: %s, confidence: %.2fs%n",
                name, documentField.getConfidence());
            }
          }
          if ("Quantity".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double quantity = documentField.getValueAsDouble();
              System.out.printf("Quantity: %f, confidence: %.2f%n",
                quantity, documentField.getConfidence());
            }
          }
          if ("Price".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double price = documentField.getValueAsDouble();
              System.out.printf("Price: %f, confidence: %.2f%n",
                price, documentField.getConfidence());
            }
          }
          if ("TotalPrice".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double totalPrice = documentField.getValueAsDouble();
              System.out.printf("Total Price: %f, confidence: %.2f%n",
                totalPrice, documentField.getConfidence());
            }
          }
        }));
    }
  }
}
}
}

Visitare il repository di esempi di Azure in GitHub per visualizzare l'output del modello di ricevuta.

Usare il modello di documento di identità

import com.azure.ai.documentintelligence;

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 {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

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

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

//sample document
String licenseUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png";
String modelId = "prebuilt-idDocument";

SyncPoller < OperationResult, AnalyzeResult > analyzeIdentityDocumentPoller = client.beginAnalyzeDocument(modelId, licenseUrl);

AnalyzeResult identityDocumentResults = analyzeIdentityDocumentPoller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < identityDocumentResults.getDocuments().size(); i++) {
  AnalyzedDocument analyzedIDDocument = identityDocumentResults.getDocuments().get(i);
  Map < String, DocumentField > licenseFields = analyzedIDDocument.getFields();
  System.out.printf("----------- Analyzed license info for page %d -----------%n", i);
  DocumentField addressField = licenseFields.get("Address");
  if (addressField != null) {
    if (DocumentFieldType.STRING == addressField.getType()) {
      String address = addressField.getValueAsString();
      System.out.printf("Address: %s, confidence: %.2f%n",
        address, addressField.getConfidence());
    }
  }

  DocumentField countryRegionDocumentField = licenseFields.get("CountryRegion");
  if (countryRegionDocumentField != null) {
    if (DocumentFieldType.STRING == countryRegionDocumentField.getType()) {
      String countryRegion = countryRegionDocumentField.getValueAsCountry();
      System.out.printf("Country or region: %s, confidence: %.2f%n",
        countryRegion, countryRegionDocumentField.getConfidence());
    }
  }

  DocumentField dateOfBirthField = licenseFields.get("DateOfBirth");
  if (dateOfBirthField != null) {
    if (DocumentFieldType.DATE == dateOfBirthField.getType()) {
      LocalDate dateOfBirth = dateOfBirthField.getValueAsDate();
      System.out.printf("Date of Birth: %s, confidence: %.2f%n",
        dateOfBirth, dateOfBirthField.getConfidence());
    }
  }

  DocumentField dateOfExpirationField = licenseFields.get("DateOfExpiration");
  if (dateOfExpirationField != null) {
    if (DocumentFieldType.DATE == dateOfExpirationField.getType()) {
      LocalDate expirationDate = dateOfExpirationField.getValueAsDate();
      System.out.printf("Document date of expiration: %s, confidence: %.2f%n",
        expirationDate, dateOfExpirationField.getConfidence());
    }
  }

  DocumentField documentNumberField = licenseFields.get("DocumentNumber");
  if (documentNumberField != null) {
    if (DocumentFieldType.STRING == documentNumberField.getType()) {
      String documentNumber = documentNumberField.getValueAsString();
      System.out.printf("Document number: %s, confidence: %.2f%n",
        documentNumber, documentNumberField.getConfidence());
    }
  }

  DocumentField firstNameField = licenseFields.get("FirstName");
  if (firstNameField != null) {
    if (DocumentFieldType.STRING == firstNameField.getType()) {
      String firstName = firstNameField.getValueAsString();
      System.out.printf("First Name: %s, confidence: %.2f%n",
        firstName, documentNumberField.getConfidence());
    }
  }

  DocumentField lastNameField = licenseFields.get("LastName");
  if (lastNameField != null) {
    if (DocumentFieldType.STRING == lastNameField.getType()) {
      String lastName = lastNameField.getValueAsString();
      System.out.printf("Last name: %s, confidence: %.2f%n",
        lastName, lastNameField.getConfidence());
    }
  }

  DocumentField regionField = licenseFields.get("Region");
  if (regionField != null) {
    if (DocumentFieldType.STRING == regionField.getType()) {
      String region = regionField.getValueAsString();
      System.out.printf("Region: %s, confidence: %.2f%n",
        region, regionField.getConfidence());
    }
  }
}
}
}

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello del documento di identità.

Libreria client | Riferimento API REST | Pacchetto (npm) | Esmpi |Versione dell'API REST supportata

Prerequisiti

• Una sottoscrizione di Azure: crearne una gratuitamente.

• La versione più recente di Visual Studio Code o dell'IDE preferito. Per altre informazioni, vedere Node.js in Visual Studio Code.

• La versione LTS più recente di Node.js.

• Una risorsa Servizi di Azure AI o Informazioni sui documenti. Creare un servizio singolo o multiservizio. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

  Suggerimento

  Creare una risorsa Servizi di Azure AI se si prevede di accedere a più Servizi di Azure AI usando un singolo endpoint e una singola chiave. Solo per l'accesso a Informazioni sui documenti, creare una risorsa di Informazioni sui documenti. Sarà necessaria una risorsa di tipo servizio singolo se si intende usare l'autenticazione di Microsoft Entra.

• La chiave e l'endpoint della risorsa creata saranno necessari per connettere l'applicazione al servizio Informazioni sui documenti di Azure.

  1. Dopo la distribuzione della risorsa selezionare Vai alla risorsa.
  2. Nel menu di spostamento a sinistra selezionare Chiavi ed Endpoint.
  3. Copiare una delle chiavi e l’endpoint da usare più avanti in questo articolo.

  

• Un file di documento in un URL. Per questo progetto è possibile usare i moduli di esempio forniti nella tabella seguente per ogni funzionalità:

  Funzionalità	modelID	document-url
  Modello Lettura	prebuilt-read	Brochure di esempio
  Modello Layout	prebuilt-layout	Conferma di prenotazione di esempio
  Modello di modulo W-2	prebuilt-tax.us.w2	Modulo W-2 di esempio
  Modello di fattura	prebuilt-invoice	Esempio di fattura
  Modello Ricevuta	prebuilt-receipt	Ricevuta di esempio
  Modello Documento di identità	prebuilt-idDocument	Documento di identità di esempio

Impostare le variabili di ambiente

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentAnalysisClient. A tale scopo, creare un'istanza del client con key e endpoint dal portale di Azure. Per questo progetto vengono usate le variabili di ambiente per archiviare e accedere alle credenziali.

Importante

Non includere la chiave direttamente nel codice e non pubblicarla mai pubblicamente. Per la produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per altre informazioni, vedere l'articolo sulla sicurezza di Servizi di Azure AI.

Per impostare la variabile di ambiente per la chiave di risorsa Informazioni sui documenti, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo. Sostituire <yourKey> e <yourEndpoint> con i valori della risorsa nel portale di Azure.

Windows

Le variabili di ambiente in Windows non applicano la distinzione tra maiuscole e minuscole. In genere vengono dichiarate in lettere maiuscole, con parole unite da un carattere di sottolineatura. Al prompt dei comandi, eseguire i seguenti comandi:

1. Impostare la variabile della chiave:

   setx DI_KEY <yourKey>
   

2. Impostare la variabile dell'endpoint

   setx DI_ENDPOINT <yourEndpoint>
   

3. Chiudere la finestra del prompt dei comandi dopo aver impostato le variabili di ambiente. I valori rimangono finché non vengono modificati di nuovo.

4. Riavviare tutti i programmi in esecuzione che leggono la variabile di ambiente. Se ad esempio si usa Visual Studio o Visual Studio Code come editor, riavviare prima di eseguire il codice di esempio.

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
setx VARIABLE_NAME=	Consente di eliminare la variabile di ambiente impostando il valore su una stringa vuota.	setx DI_KEY=
setx VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica.	set DI_KEY
set	Consente di visualizzare tutte le variabili di ambiente.	set

macOS

Le variabili di ambiente in macOS fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale. Aprire il terminale e immettere i comandi seguenti:

1. Impostare la variabile della chiave:

   export key=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export endpoint=<yourEndpoint>
   

È possibile impostare una variabile di ambiente in modo permanente inserendo un comando di esportazione nello script di avvio ~/.bash_profile di Bash:

1. Usare un editor di testo per aprire ~/.bash_profile e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Esempio: export DI_KEY="<yourKey>"

2. Salvare le modifiche apportate al file bash_profile.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bash-profile
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Linux

Le variabili di ambiente in Linux fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale:

1. Impostare la variabile della chiave:

   export DI_KEY=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export DI_ENDPOINT=<yourEndpoint>
   

Per impostare una variabile di ambiente in modo permanente, inserire un comando di esportazione nello script di avvio ~/.bashrc di Bash:

1. Usare l'editor di testo preferito per aprire il file ~/.bashrc e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export <VARIABLE>=<value>
   

   Esempio: export DI_KEY=<yourKey>

2. Salvare le modifiche apportate al file .bashrc.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bashrc
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY=
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Visualizzare il valore di una variabile di ambiente. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Configurare l'ambiente di programmazione

Creare un'applicazione Node.js Express.

1. In una finestra console creare e navigare a una nuova directory per l'app denominata doc-intel-app.

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

2. Eseguire il comando npm init per inizializzare l'applicazione ed eseguire lo scaffolding del progetto.

   npm init
   

3. Specificare gli attributi del progetto usando le richieste presentate nel terminale.

   • Gli attributi più importanti sono nome, numero di versione e punto di ingresso.
   • È consigliabile mantenere index.js per il nome del punto di ingresso. La descrizione, il comando di test, il repository GitHub, le parole chiave, l'autore e le informazioni sulla licenza sono attributi facoltativi. È possibile ignorarli per questo progetto.
   • Selezionare Immettere per accettare i suggerimenti tra parentesi.

   Dopo aver completato i prompt, il comando crea un file package.json nella directory doc-intel-app.

4. Installare la libreria client ai-document-intelligence e i pacchetti npm azure/identity:

   npm i @azure-rest/ai-document-intelligence@1.0.0-beta.2 @azure/identity
   

Il file package.json dell'app viene aggiornato con le dipendenze.

1. Creare un file denominato index.js nella directory dell'applicazione.

   Suggerimento

   È possibile creare un nuovo file usando PowerShell. Tenendo premuto il tasto MAIUSC e facendo clic con il pulsante destro del mouse sulla cartella, aprire una finestra di PowerShell nella directory del progetto, quindi digitare il comando seguente: New-Item index.js.

Compilare l'applicazione

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentIntelligenceClient. A tale scopo, creare un AzureKeyCredential con la chiave dal portale di Azure e un'istanza di DocumentIntelligenceClient con il AzureKeyCredential e l'endpoint di Informazioni sui documenti.

Aprire il file index.js in Visual Studio Code o nell'IDE preferito e selezionare uno degli esempi di codice seguenti e copiare/incollare nell'applicazione:

• Il modello prebuilt-read è alla base di tutti i modelli di Informazioni sui documenti e può rilevare righe, parole, posizioni e lingue. I modelli Layout, Documento generale, Predefinito e Personalizzato usano il readmodello Lettura come base per estrarre testo dai documenti.
• Il modello prebuilt-layout estrae testo e posizioni di testo, tabelle, indicatori di selezione e informazioni sulla struttura da documenti e immagini.
• Il modello prebuilt-tax.us.w2 estrae le informazioni riportate nei moduli fiscali di IRS (Internal Revenue Service) degli Stati Uniti.
• Il modello prebuilt-invoice estrae le informazioni riportate nei moduli fiscali di Internal Revenue Service degli Stati Uniti.
• Il modello prebuilt-receipt estrae le informazioni chiave dalle ricevute di vendita stampate e scritte a mano.
• Il modello prebuilt-idDocument estrae le informazioni chiave da patenti degli Stati Uniti, pagine biografiche di passaporti internazionali, carte di identità degli Stati Uniti, tessere di previdenza sociale e carte di soggiorno permanente (verdi).

Usare il modello Lettura

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const documentUrlRead = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png"

// helper function
function* getTextOfSpans(content, spans) {
    for (const span of spans) {
        yield content.slice(span.offset, span.offset + span.length);
    }
}

async function main() {
    // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));
    const poller = await client.beginAnalyzeDocument("prebuilt-read", documentUrlRead);

    const {
        content,
        pages,
        languages,
        styles
    } = await poller.pollUntilDone();

    if (pages.length <= 0) {
        console.log("No pages were extracted from the document.");
    } else {
        console.log("Pages:");
        for (const page of pages) {
            console.log("- Page", page.pageNumber, `(unit: ${page.unit})`);
            console.log(`  ${page.width}x${page.height}, angle: ${page.angle}`);
            console.log(`  ${page.lines.length} lines, ${page.words.length} words`);

            if (page.lines.length > 0) {
                console.log("  Lines:");

                for (const line of page.lines) {
                    console.log(`  - "${line.content}"`);

                    // The words of the line can also be iterated independently. The words are computed based on their
                    // corresponding spans.
                    for (const word of line.words()) {
                        console.log(`    - "${word.content}"`);
                    }
                }
            }
        }
    }

    if (languages.length <= 0) {
        console.log("No language spans were extracted from the document.");
    } else {
        console.log("Languages:");
        for (const languageEntry of languages) {
            console.log(
                `- Found language: ${languageEntry.languageCode} (confidence: ${languageEntry.confidence})`
            );
            for (const text of getTextOfSpans(content, languageEntry.spans)) {
                const escapedText = text.replace(/\r?\n/g, "\\n").replace(/"/g, '\\"');
                console.log(`  - "${escapedText}"`);
            }
        }
    }

    if (styles.length <= 0) {
        console.log("No text styles were extracted from the document.");
    } else {
        console.log("Styles:");
        for (const style of styles) {
            console.log(
                `- Handwritten: ${style.isHandwritten ? "yes" : "no"} (confidence=${style.confidence})`
            );

            for (const word of getTextOfSpans(content, style.spans)) {
                console.log(`  - "${word}"`);
            }
        }
    }
}

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello read.

Usare il modello Layout

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

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

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

    const poller = await client.beginAnalyzeDocument(
      "prebuilt-layout", layoutUrl);

    // Layout extraction produces basic elements such as pages, words, lines, etc. as well as information about the
    // appearance (styles) of textual elements.
    const { pages, tables } = await poller.pollUntilDone();

    if (!pages || pages.length <= 0) {
      console.log("No pages were extracted from the document.");
    } else {
      console.log("Pages:");
      for (const page of pages) {
        console.log("- Page", page.pageNumber, `(unit: ${page.unit})`);
        console.log(`  ${page.width}x${page.height}, angle: ${page.angle}`);
        console.log(
          `  ${page.lines && page.lines.length} lines, ${page.words && page.words.length} words`
        );

        if (page.lines && page.lines.length > 0) {
          console.log("  Lines:");

          for (const line of page.lines) {
            console.log(`  - "${line.content}"`);

            // The words of the line can also be iterated independently. The words are computed based on their
            // corresponding spans.
            for (const word of line.words()) {
              console.log(`    - "${word.content}"`);
            }
          }
        }
      }
    }

    if (!tables || tables.length <= 0) {
      console.log("No tables were extracted from the document.");
    } else {
      console.log("Tables:");
      for (const table of tables) {
        console.log(
          `- Extracted table: ${table.columnCount} columns, ${table.rowCount} rows (${table.cells.length} cells)`
        );
      }
    }
  }

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Layout.

Usare il modello di documento generale

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const documentUrl = "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 poller = await client.beginAnalyzeDocument("prebuilt-document", documentUrl);

    const {
        keyValuePairs
    } = await poller.pollUntilDone();

    if (!keyValuePairs || keyValuePairs.length <= 0) {
        console.log("No key-value pairs were extracted from the document.");
    } else {
        console.log("Key-Value Pairs:");
        for (const {
                key,
                value,
                confidence
            } of keyValuePairs) {
            console.log("- Key  :", `"${key.content}"`);
            console.log("  Value:", `"${(value && value.content) || "<undefined>"}" (${confidence})`);
        }
    }

}

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Documento generale.

Usare il modello fiscale W-2

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

const w2DocumentURL = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png"

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

 const poller = await client.beginAnalyzeDocument("prebuilt-tax.us.w2", w2DocumentURL);

 const {
   documents: [result]
 } = await poller.pollUntilDone();

  if (result) {
    const { Employee, Employer, ControlNumber, TaxYear, AdditionalInfo } = result.fields;

    if (Employee) {
      const { Name, Address, SocialSecurityNumber } = Employee.properties;
      console.log("Employee:");
      console.log("  Name:", Name && Name.content);
      console.log("  SSN/TIN:", SocialSecurityNumber && SocialSecurityNumber.content);
      if (Address && Address.value) {
        const { streetAddress, postalCode } = Address.value;
        console.log("  Address:");
        console.log("    Street Address:", streetAddress);
        console.log("    Postal Code:", postalCode);
      }
    } else {
      console.log("No employee information extracted.");
    }

    if (Employer) {
      const { Name, Address, IdNumber } = Employer.properties;
      console.log("Employer:");
      console.log("  Name:", Name && Name.content);
      console.log("  ID (EIN):", IdNumber && IdNumber.content);

      if (Address && Address.value) {
        const { streetAddress, postalCode } = Address.value;
        console.log("  Address:");
        console.log("    Street Address:", streetAddress);
        console.log("    Postal Code:", postalCode);
      }
    } else {
      console.log("No employer information extracted.");
    }

    console.log("Control Number:", ControlNumber && ControlNumber.content);
    console.log("Tax Year:", TaxYear && TaxYear.content);

    if (AdditionalInfo) {
      console.log("Additional Info:");

      for (const info of AdditionalInfo.values) {
        const { LetterCode, Amount } = info.properties;
        console.log(`- ${LetterCode && LetterCode.content}: ${Amount && Amount.content}`);
      }
    }
  } else {
    throw new Error("Expected at least one document in the result.");
  }
}

main().catch((error) => {
  console.error(error);
  process.exit(1);
});

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello fiscale W-2.

Usare il modello di fattura

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

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

async function main() {

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

  const poller = await client.beginAnalyzeDocument("prebuilt-invoice", invoiceUrl);

  const {
      documents: [result]
  } = await poller.pollUntilDone();

  if (result) {
      const invoice = result.fields;

      console.log("Vendor Name:", invoice.VendorName?.content);
      console.log("Customer Name:", invoice.CustomerName?.content);
      console.log("Invoice Date:", invoice.InvoiceDate?.content);
      console.log("Due Date:", invoice.DueDate?.content);

      console.log("Items:");
      for (const {
              properties: item
          } of invoice.Items?.values ?? []) {
          console.log("-", item.ProductCode?.content ?? "<no product code>");
          console.log("  Description:", item.Description?.content);
          console.log("  Quantity:", item.Quantity?.content);
          console.log("  Date:", item.Date?.content);
          console.log("  Unit:", item.Unit?.content);
          console.log("  Unit Price:", item.UnitPrice?.content);
          console.log("  Tax:", item.Tax?.content);
          console.log("  Amount:", item.Amount?.content);
      }

      console.log("Subtotal:", invoice.SubTotal?.content);
      console.log("Previous Unpaid Balance:", invoice.PreviousUnpaidBalance?.content);
      console.log("Tax:", invoice.TotalTax?.content);
      console.log("Amount Due:", invoice.AmountDue?.content);
  } else {
      throw new Error("Expected at least one receipt in the result.");
  }
}

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Fattura.

Usare il modello di ricevuta

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample url
const receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png";

async function main() {

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

    const poller = await client.beginAnalyzeDocument("prebuilt-receipt", receiptUrl);

    const {
        documents: [result]
    } = await poller.pollUntilDone();

    if (result) {
        const {
            MerchantName,
            Items,
            Total
        } = result.fields;

        console.log("=== Receipt Information ===");
        console.log("Type:", result.docType);
        console.log("Merchant:", MerchantName && MerchantName.content);

        console.log("Items:");
        for (const item of (Items && Items.values) || []) {
            const {
                Description,
                TotalPrice
            } = item.properties;

            console.log("- Description:", Description && Description.content);
            console.log("  Total Price:", TotalPrice && TotalPrice.content);
        }

        console.log("Total:", Total && Total.content);
    } else {
        throw new Error("Expected at least one receipt in the result.");
    }

}

main().catch((err) => {
    console.error("The sample encountered an error:", err);
});

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Ricevuta.

Usare il modello di documento di identità

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const idDocumentURL = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png"

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

 const poller = await client.beginAnalyzeDocument("prebuilt-idDocument", idDocumentURL);

 const {
   documents: [result]
 } = await poller.pollUntilDone();

  if (result) {
// The identity document model has multiple document types, so we need to know which document type was actually
    extracted.
    if (result.docType === "idDocument.driverLicense") {
      const { FirstName, LastName, DocumentNumber, DateOfBirth, DateOfExpiration, Height, Weight, EyeColor, Endorsements, Restrictions, VehicleClassifications} = result.fields;

// For the sake of the example, we'll only show a few of the fields that are produced.
      console.log("Extracted a Driver License:");
      console.log("  Name:", FirstName && FirstName.content, LastName && LastName.content);
      console.log("  License No.:", DocumentNumber && DocumentNumber.content);
      console.log("  Date of Birth:", DateOfBirth && DateOfBirth.content);
      console.log("  Expiration:", DateOfExpiration && DateOfExpiration.content);
      console.log("  Height:", Height && Height.content);
      console.log("  Weight:", Weight && Weight.content);
      console.log("  Eye color:", EyeColor && EyeColor.content);
      console.log("  Restrictions:", Restrictions && Restrictions.content);
      console.log("  Endorsements:", Endorsements && Endorsements.content);
      console.log("  Class:", VehicleClassifications && VehicleClassifications.content);
    } else if (result.docType === "idDocument.passport") {
// The passport document type extracts and parses the Passport's machine-readable zone
      if (!result.fields.machineReadableZone) {
        throw new Error("No Machine Readable Zone extracted from passport.");
      }

      const {
        FirstName,
        LastName,
        DateOfBirth,
        Nationality,
        DocumentNumber,
        CountryRegion,
        DateOfExpiration,
      } = result.fields.machineReadableZone.properties;

      console.log("Extracted a Passport:");
      console.log("  Name:", FirstName && FirstName.content, LastName && LastName.content);
      console.log("  Date of Birth:", DateOfBirth && DateOfBirth.content);
      console.log("  Nationality:", Nationality && Nationality.content);
      console.log("  Passport No.:", DocumentNumber && DocumentNumber.content);
      console.log("  Issuer:", CountryRegion && CountryRegion.content);
      console.log("  Expiration Date:", DateOfExpiration && DateOfExpiration.content);
    } else {
// The only reason this would happen is if the client library's schema for the prebuilt identity document model is
      out of date, and a new document type has been introduced.
      console.error("Unknown document type in result:", result);
    }
  } else {
    throw new Error("Expected at least one receipt in the result.");
  }
}

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

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello del documento di identità.

Libreria client |Riferimento SDK | Riferimento API REST | Pacchetto (PyPi) | Esempi | Versione dell'API REST supportata

Prerequisiti

• Una sottoscrizione di Azure: crearne una gratuitamente.

• Python 3.7 o versione successiva. L'installazione di Python deve includere pip. È possibile verificare se pip è installato eseguendo pip --version nella riga di comando. Per ottenere pip, installare la versione più recente di Python.

• La versione più recente di Visual Studio Code o dell'IDE preferito. VedereIntroduzione a Python in Visual Studio Code.

• Una risorsa Servizi di Azure AI o Informazioni sui documenti. Creare un servizio singolo o multiservizio. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

• La chiave e l'endpoint della risorsa creata saranno necessari per connettere l'applicazione al servizio Informazioni sui documenti di Azure.

  1. Dopo la distribuzione della risorsa selezionare Vai alla risorsa.
  2. Nel menu di spostamento a sinistra selezionare Chiavi ed Endpoint.
  3. Copiare una delle chiavi e l’endpoint da usare più avanti in questo articolo.

  

• Un file di documento in un URL. Per questo progetto è possibile usare i moduli di esempio forniti nella tabella seguente per ogni funzionalità:

  Funzionalità	modelID	document-url
  Modello Lettura	prebuilt-read	Brochure di esempio
  Modello Layout	prebuilt-layout	Conferma di prenotazione di esempio
  Modello di modulo W-2	prebuilt-tax.us.w2	Modulo W-2 di esempio
  Modello di fattura	prebuilt-invoice	Esempio di fattura
  Modello Ricevuta	prebuilt-receipt	Ricevuta di esempio
  Modello Documento di identità	prebuilt-idDocument	Documento di identità di esempio

Impostare le variabili di ambiente

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentAnalysisClient. A tale scopo, creare un'istanza del client con key e endpoint dal portale di Azure. Per questo progetto vengono usate le variabili di ambiente per archiviare e accedere alle credenziali.

Importante

Non includere la chiave direttamente nel codice e non pubblicarla mai pubblicamente. Per la produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per altre informazioni, vedere l'articolo sulla sicurezza di Servizi di Azure AI.

Per impostare la variabile di ambiente per la chiave di risorsa Informazioni sui documenti, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo. Sostituire <yourKey> e <yourEndpoint> con i valori della risorsa nel portale di Azure.

Windows

Le variabili di ambiente in Windows non applicano la distinzione tra maiuscole e minuscole. In genere vengono dichiarate in lettere maiuscole, con parole unite da un carattere di sottolineatura. Al prompt dei comandi, eseguire i seguenti comandi:

1. Impostare la variabile della chiave:

   setx DI_KEY <yourKey>
   

2. Impostare la variabile dell'endpoint

   setx DI_ENDPOINT <yourEndpoint>
   

3. Chiudere la finestra del prompt dei comandi dopo aver impostato le variabili di ambiente. I valori rimangono finché non vengono modificati di nuovo.

4. Riavviare tutti i programmi in esecuzione che leggono la variabile di ambiente. Se ad esempio si usa Visual Studio o Visual Studio Code come editor, riavviare prima di eseguire il codice di esempio.

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
setx VARIABLE_NAME=	Consente di eliminare la variabile di ambiente impostando il valore su una stringa vuota.	setx DI_KEY=
setx VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica.	set DI_KEY
set	Consente di visualizzare tutte le variabili di ambiente.	set

macOS

Le variabili di ambiente in macOS fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale. Aprire il terminale e immettere i comandi seguenti:

1. Impostare la variabile della chiave:

   export key=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export endpoint=<yourEndpoint>
   

È possibile impostare una variabile di ambiente in modo permanente inserendo un comando di esportazione nello script di avvio ~/.bash_profile di Bash:

1. Usare un editor di testo per aprire ~/.bash_profile e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Esempio: export DI_KEY="<yourKey>"

2. Salvare le modifiche apportate al file bash_profile.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bash-profile
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Linux

Le variabili di ambiente in Linux fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale:

1. Impostare la variabile della chiave:

   export DI_KEY=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export DI_ENDPOINT=<yourEndpoint>
   

Per impostare una variabile di ambiente in modo permanente, inserire un comando di esportazione nello script di avvio ~/.bashrc di Bash:

1. Usare l'editor di testo preferito per aprire il file ~/.bashrc e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export <VARIABLE>=<value>
   

   Esempio: export DI_KEY=<yourKey>

2. Salvare le modifiche apportate al file .bashrc.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bashrc
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY=
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Visualizzare il valore di una variabile di ambiente. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Configurare l'ambiente di programmazione

Aprire una finestra della console nell'ambiente locale e installare la libreria client di Informazioni sui documenti di Azure AI per Python con pip:

pip install azure-ai-documentintelligence==1.0.0b2

Creare l'applicazione Python

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentIntelligenceClient. A tale scopo, creare un AzureKeyCredential con la chiave dal portale di Azure e un'istanza di DocumentIntelligenceClient con il AzureKeyCredential e l'endpoint di Informazioni sui documenti.

1. Creare un nuovo file Python denominato form_recognizer_quickstart.py in un editor o IDE.

2. Aprire il file form_recognizer_quickstart.py e selezionare uno degli esempi di codice seguenti e copiare/incollare nell'applicazione:

   • Il modello prebuilt-read è alla base di tutti i modelli di Informazioni sui documenti e può rilevare righe, parole, posizioni e lingue. I modelli Layout, Documento generale, Predefinito e Personalizzato usano il readmodello Lettura come base per estrarre testo dai documenti.
   • Il modello prebuilt-layout estrae testo e posizioni di testo, tabelle, indicatori di selezione e informazioni sulla struttura da documenti e immagini.
   • Il modello prebuilt-tax.us.w2 estrae le informazioni riportate nei moduli fiscali di IRS (Internal Revenue Service) degli Stati Uniti.
   • Il modello prebuilt-invoice estrae campi chiave ed elementi riga dalle fatture di vendita in vari formati.
   • Il modello prebuilt-receipt estrae le informazioni chiave dalle ricevute di vendita stampate e scritte a mano.
   • Il modello prebuilt-idDocument estrae le informazioni chiave da patenti degli Stati Uniti, pagine biografiche di passaporti internazionali, carte di identità degli Stati Uniti, tessere di previdenza sociale e carte di soggiorno permanente (verdi).

3. Eseguire il codice Python dal prompt dei comandi.

   python form_recognizer_quickstart.py
   

Usare il modello Lettura

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

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# 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_read():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png"

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

    poller = client.begin_analyze_document(
        "prebuilt-read", AnalyzeDocumentRequest(url_source=formUrl
    ))
    result: AnalyzeResult = poller.result()

    print("----Languages detected in the document----")
    if result.languages is not None:
        for language in result.languages:
            print(f"Language code: '{language.locale}' with confidence {language.confidence}")

    print("----Styles detected in the document----")
    if result.styles:
        for style in result.styles:
            if style.is_handwritten:
                print("Found the following handwritten content: ")
                print(",".join([result.content[span.offset : span.offset + span.length] for span in style.spans]))
            if style.font_style:
                print(f"The document contains '{style.font_style}' font style, applied to the following text: ")
                print(",".join([result.content[span.offset : span.offset + span.length] for span in style.spans]))

    for page in result.pages:
        print(f"----Analyzing document 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 {len(words)} words and text '{line.content}' 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.paragraphs:
        print(f"----Detected #{len(result.paragraphs)} paragraphs in the document----")
        for paragraph in result.paragraphs:
            print(f"Found paragraph with role: '{paragraph.role}' within {paragraph.bounding_regions} bounding region")
            print(f"...with content: '{paragraph.content}'")

        result.paragraphs.sort(key=lambda p: (p.spans.sort(key=lambda s: s.offset), p.spans[0].offset))
        print("-----Print sorted paragraphs-----")
        for idx, paragraph in enumerate(result.paragraphs):
            print(
                f"...paragraph:{idx} with offset: {paragraph.spans[0].offset} and length: {paragraph.spans[0].length}"
            )

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


if __name__ == "__main__":
    analyze_read()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello read.

Usare il modello Layout

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


# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')


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

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

    poller = 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()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Layout.

Usare il modello fiscale W-2

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

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_address_value(address_value):
    return f"\n......House/building number: {address_value.house_number}\n......Road: {address_value.road}\n......City: {address_value.city}\n......State: {address_value.state}\n......Postal code: {address_value.postal_code}"


def analyze_tax_us_w2():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png"

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

    poller = client.begin_analyze_document(
        "prebuilt-tax.us.w2",  AnalyzeDocumentRequest(url_source=formUrl
    ))

    w2s: AnalyzeResult =  poller.result()

        if w2s.documents:
        for idx, w2 in enumerate(w2s.documents):
            print(f"--------Analyzing US Tax W-2 Form #{idx + 1}--------")
            if w2.fields:
                form_variant = w2.fields.get("W2FormVariant")
                if form_variant:
                    print(
                        f"Form variant: {form_variant.get('valueString')} has confidence: " f"{form_variant.confidence}"
                    )
                tax_year = w2.fields.get("TaxYear")
                if tax_year:
                    print(f"Tax year: {tax_year.get('valueString')} has confidence: {tax_year.confidence}")
                w2_copy = w2.fields.get("W2Copy")
                if w2_copy:
                    print(f"W-2 Copy: {w2_copy.get('valueString')} has confidence: {w2_copy.confidence}")
                employee = w2.fields.get("Employee")
                if employee:
                    print("Employee data:")
                    employee_name = employee.get("valueObject").get("Name")
                    if employee_name:
                        f"confidence: {fed_income_tax_withheld.confidence}"
                    )
                social_security_wages = w2.fields.get("SocialSecurityWages")
                if social_security_wages:
                    print(
                        f"Social Security wages: {social_security_wages.get('valueNumber')} has confidence: "
                        f"{social_security_wages.confidence}"
                    )
                social_security_tax_withheld = w2.fields.get("SocialSecurityTaxWithheld")
                if social_security_tax_withheld:
                    print(
                        f"Social Security tax withheld: {social_security_tax_withheld.get('valueNumber')} "
                        f"has confidence: {social_security_tax_withheld.confidence}"
                    )
                medicare_wages_tips = w2.fields.get("MedicareWagesAndTips")
                if medicare_wages_tips:
                    print(
                        f"Medicare wages and tips: {medicare_wages_tips.get('valueNumber')} has confidence: "
                        f"{medicare_wages_tips.confidence}"
                    )
                medicare_tax_withheld = w2.fields.get("MedicareTaxWithheld")
                if medicare_tax_withheld:
                    print(
                        f"Medicare tax withheld: {medicare_tax_withheld.get('valueNumber')} has confidence: "
                        f"{medicare_tax_withheld.confidence}"
                    )
                social_security_tips = w2.fields.get("SocialSecurityTips")
                if social_security_tips:
                    print(
                        f"Social Security tips: {social_security_tips.get('valueNumber')} has confidence: "
                        f"{social_security_tips.confidence}"
                    )
                allocated_tips = w2.fields.get("AllocatedTips")
                if allocated_tips:
                    print(
                        f"Allocated tips: {allocated_tips.get('valueNumber')} has confidence: {allocated_tips.confidence}"
                    )
                verification_code = w2.fields.get("VerificationCode")
                if verification_code:
                    print(
                        f"Verification code: {verification_code.get('valueNumber')} has confidence: {verification_code.confidence}"
                    )
                dependent_care_benefits = w2.fields.get("DependentCareBenefits")
                if dependent_care_benefits:
                    print(
                        f"Dependent care benefits: {dependent_care_benefits.get('valueNumber')} has confidence: {dependent_care_benefits.confidence}"
                    )
                non_qualified_plans = w2.fields.get("NonQualifiedPlans")
                if non_qualified_plans:
                    print(
                        f"Non-qualified plans: {non_qualified_plans.get('valueNumber')} has confidence: {non_qualified_plans.confidence}"
                    )
                additional_info = w2.fields.get("AdditionalInfo")
                if additional_info:
                    print("Additional information:")
                    for item in additional_info.get("valueArray"):
                        letter_code = item.get("valueObject").get("LetterCode")
                        if letter_code:
                            print(
                                f"...Letter code: {letter_code.get('valueString')} has confidence: {letter_code.confidence}"
                            )
                        amount = item.get("valueObject").get("Amount")
                        if amount:
                            print(f"...Amount: {amount.get('valueNumber')} has confidence: {amount.confidence}")
                is_statutory_employee = w2.fields.get("IsStatutoryEmployee")
                if is_statutory_employee:
                    print(
                        f"Is statutory employee: {is_statutory_employee.get('valueString')} has confidence: {is_statutory_employee.confidence}"
                    )
                is_retirement_plan = w2.fields.get("IsRetirementPlan")
                if is_retirement_plan:
                    print(
                        f"Is retirement plan: {is_retirement_plan.get('valueString')} has confidence: {is_retirement_plan.confidence}"
                    )
                third_party_sick_pay = w2.fields.get("IsThirdPartySickPay")
                if third_party_sick_pay:
                    print(
                        f"Is third party sick pay: {third_party_sick_pay.get('valueString')} has confidence: {third_party_sick_pay.confidence}"
                    )
                other_info = w2.fields.get("Other")
                if other_info:
                    print(f"Other information: {other_info.get('valueString')} has confidence: {other_info.confidence}")
                state_tax_info = w2.fields.get("StateTaxInfos")
                if state_tax_info:
                    print("State Tax info:")
                    for tax in state_tax_info.get("valueArray"):
                        state = tax.get("valueObject").get("State")
                        if state:
                            print(f"...State: {state.get('valueString')} has confidence: {state.confidence}")
                        employer_state_id_number = tax.get("valueObject").get("EmployerStateIdNumber")
                        if employer_state_id_number:
                            print(
                                f"...Employer state ID number: {employer_state_id_number.get('valueString')} has "
                                f"confidence: {employer_state_id_number.confidence}"
                            )
                        state_wages_tips = tax.get("valueObject").get("StateWagesTipsEtc")
                        if state_wages_tips:
                            print(
                                f"...State wages, tips, etc: {state_wages_tips.get('valueNumber')} has confidence: "
                                f"{state_wages_tips.confidence}"
                            )
                        state_income_tax = tax.get("valueObject").get("StateIncomeTax")
                        if state_income_tax:
                            print(
                                f"...State income tax: {state_income_tax.get('valueNumber')} has confidence: "
                                f"{state_income_tax.confidence}"
                            )
                local_tax_info = w2.fields.get("LocalTaxInfos")
                if local_tax_info:
                    print("Local Tax info:")
                    for tax in local_tax_info.get("valueArray"):
                        local_wages_tips = tax.get("valueObject").get("LocalWagesTipsEtc")
                        if local_wages_tips:
                            print(
                                f"...Local wages, tips, etc: {local_wages_tips.get('valueNumber')} has confidence: "
                                f"{local_wages_tips.confidence}"
                            )
                        local_income_tax = tax.get("valueObject").get("LocalIncomeTax")
                        if local_income_tax:
                            print(
                                f"...Local income tax: {local_income_tax.get('valueNumber')} has confidence: "
                                f"{local_income_tax.confidence}"
                            )
                        locality_name = tax.get("valueObject").get("LocalityName")
                        if locality_name:
                            print(
                                f"...Locality name: {locality_name.get('valueString')} has confidence: "
                                f"{locality_name.confidence}"
                            )


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


if __name__ == "__main__":
    analyze_tax_us_w2()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello fiscale W-2.

Usare il modello di fattura

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

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

def analyze_invoice():

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

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

    poller = client.begin_analyze_document(
        "prebuilt-invoice", AnalyzeDocumentRequest(url_source=formUrl), locale="en-US")

    result: AnalyzeResult = poller.result()

    if invoices.documents:
        for idx, invoice in enumerate(invoices.documents):
            print(f"--------Analyzing invoice #{idx + 1}--------")
            if invoice.fields:
                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 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:")
                items = invoice.fields.get("Items")
                if items:
                    for idx, item in enumerate(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()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Fattura.

Usare il modello di ricevuta

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

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

def analyze_receipts():
    # sample document
    receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png"

   client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )
    poller = client.begin_analyze_document(
        "prebuilt-receipt", AnalyzeDocumentRequest(url_source=receiptUrl), locale="en-US"
    )
    receipts: AnalyzeResult = poller.result()

    if receipts.documents:
        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'}")
            if receipt.fields:
                merchant_name = receipt.fields.get("MerchantName")
                if merchant_name:
                    print(
                        f"Merchant Name: {merchant_name.get('valueString')} has confidence: "
                        f"{merchant_name.confidence}"
                    )
                transaction_date = receipt.fields.get("TransactionDate")
                if transaction_date:
                    print(
                        f"Transaction Date: {transaction_date.get('valueDate')} has confidence: "
                        f"{transaction_date.confidence}"
                    )
                items = receipt.fields.get("Items")
                if items:
                    print("Receipt items:")
                    for idx, item in enumerate(items.get("valueArray")):
                        print(f"...Item #{idx + 1}")
                        item_description = item.get("valueObject").get("Description")
                        if item_description:
                            print(
                                f"......Item Description: {item_description.get('valueString')} has confidence: "
                                f"{item_description.confidence}"
                            )
                        item_quantity = item.get("valueObject").get("Quantity")
                        if item_quantity:
                            print(
                                f"......Item Quantity: {item_quantity.get('valueString')} has confidence: "
                                f"{item_quantity.confidence}"
                            )
                        item_total_price = item.get("valueObject").get("TotalPrice")
                        if item_total_price:
                            print(
                                f"......Total Item Price: {format_price(item_total_price.get('valueCurrency'))} has confidence: "
                                f"{item_total_price.confidence}"
                            )
                subtotal = receipt.fields.get("Subtotal")
                if subtotal:
                    print(
                        f"Subtotal: {format_price(subtotal.get('valueCurrency'))} has confidence: {subtotal.confidence}"
                    )
                tax = receipt.fields.get("TotalTax")
                if tax:
                    print(f"Total tax: {format_price(tax.get('valueCurrency'))} has confidence: {tax.confidence}")
                tip = receipt.fields.get("Tip")
                if tip:
                    print(f"Tip: {format_price(tip.get('valueCurrency'))} has confidence: {tip.confidence}")
                total = receipt.fields.get("Total")
                if total:
                    print(f"Total: {format_price(total.get('valueCurrency'))} has confidence: {total.confidence}")
            print("--------------------------------------")



if __name__ == "__main__":
    analyze_receipts()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello Ricevuta.

Usare il modello di documento di identità

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

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

def analyze_identity_documents():
# sample document
    identityUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png"

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

    poller =client.begin_analyze_document(
            "prebuilt-idDocument", AnalyzeDocumentRequest(url_source=identityUrl)
        )
     id_documents: AnalyzeResult = poller.result()

    if id_documents.documents:
        for idx, id_document in enumerate(id_documents.documents):
            print(f"--------Analyzing ID document #{idx + 1}--------")
            if id_document.fields:
                first_name = id_document.fields.get("FirstName")
                if first_name:
                    print(f"First Name: {first_name.get('valueString')} has confidence: {first_name.confidence}")
                last_name = id_document.fields.get("LastName")
                if last_name:
                    print(f"Last Name: {last_name.get('valueString')} has confidence: {last_name.confidence}")
                document_number = id_document.fields.get("DocumentNumber")
                if document_number:
                    print(
                        f"Document Number: {document_number.get('valueString')} has confidence: {document_number.confidence}"
                    )
                dob = id_document.fields.get("DateOfBirth")
                if dob:
                    print(f"Date of Birth: {dob.get('valueDate')} has confidence: {dob.confidence}")
                doe = id_document.fields.get("DateOfExpiration")
                if doe:
                    print(f"Date of Expiration: {doe.get('valueDate')} has confidence: {doe.confidence}")
                sex = id_document.fields.get("Sex")
                if sex:
                    print(f"Sex: {sex.get('valueString')} has confidence: {sex.confidence}")
                address = id_document.fields.get("Address")
                if address:
                    print(f"Address: {address.get('valueString')} has confidence: {address.confidence}")
                country_region = id_document.fields.get("CountryRegion")
                if country_region:
                    print(
                        f"Country/Region: {country_region.get('valueCountryRegion')} has confidence: {country_region.confidence}"
                    )
                region = id_document.fields.get("Region")
                if region:
                    print(f"Region: {region.get('valueString')} has confidence: {region.confidence}")


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

if __name__ == "__main__":
    analyze_identity_documents()

Visualizzare il codice completo in GitHub. Altri esempi

Visitare il repository di esempi di Azure in GitHub e visualizzare l'output del modello del documento di identità.

Nota

Questo progetto usa lo strumento da riga di comando cURL per effettuare chiamate API REST.

| API REST di Informazioni sui documenti | SDK di Azure supportati

Prerequisiti

• Una sottoscrizione di Azure: crearne una gratuitamente.

• Strumento da riga di comando cURL installato. Windows 10 e Windows 11 vengono forniti con una copia di cURL. Al prompt dei comandi digitare il comando cURL seguente. Se vengono visualizzate le opzioni della Guida, cURL è installato nell'ambiente Windows.

  curl -help
  

  Se cURL non è installato, è possibile ottenerlo qui:

  • Windows
  • Mac o Linux

• Una risorsa Servizi di Azure AI o Informazioni sui documenti. Creare un servizio singolo o multiservizio. È possibile usare il piano tariffario gratuito (F0) per provare il servizio ed eseguire in un secondo momento l'aggiornamento a un livello a pagamento per la produzione.

• La chiave e l'endpoint della risorsa creata saranno necessari per connettere l'applicazione al servizio Informazioni sui documenti di Azure.

  1. Dopo la distribuzione della risorsa selezionare Vai alla risorsa.
  2. Nel menu di spostamento a sinistra selezionare Chiavi ed Endpoint.
  3. Copiare una delle chiavi e l’endpoint da usare più avanti in questo articolo.

  

Impostare le variabili di ambiente

Per interagire con il servizio Informazioni sui documenti, è necessario creare un'istanza della classe DocumentAnalysisClient. A tale scopo, creare un'istanza del client con key e endpoint dal portale di Azure. Per questo progetto vengono usate le variabili di ambiente per archiviare e accedere alle credenziali.

Importante

Non includere la chiave direttamente nel codice e non pubblicarla mai pubblicamente. Per la produzione, usare un modo sicuro per archiviare e accedere alle credenziali, ad esempio Azure Key Vault. Per altre informazioni, vedere l'articolo sulla sicurezza di Servizi di Azure AI.

Per impostare la variabile di ambiente per la chiave di risorsa Informazioni sui documenti, aprire una finestra della console e seguire le istruzioni per il sistema operativo e l'ambiente di sviluppo. Sostituire <yourKey> e <yourEndpoint> con i valori della risorsa nel portale di Azure.

Windows

Le variabili di ambiente in Windows non applicano la distinzione tra maiuscole e minuscole. In genere vengono dichiarate in lettere maiuscole, con parole unite da un carattere di sottolineatura. Al prompt dei comandi, eseguire i seguenti comandi:

1. Impostare la variabile della chiave:

   setx DI_KEY <yourKey>
   

2. Impostare la variabile dell'endpoint

   setx DI_ENDPOINT <yourEndpoint>
   

3. Chiudere la finestra del prompt dei comandi dopo aver impostato le variabili di ambiente. I valori rimangono finché non vengono modificati di nuovo.

4. Riavviare tutti i programmi in esecuzione che leggono la variabile di ambiente. Se ad esempio si usa Visual Studio o Visual Studio Code come editor, riavviare prima di eseguire il codice di esempio.

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
setx VARIABLE_NAME=	Consente di eliminare la variabile di ambiente impostando il valore su una stringa vuota.	setx DI_KEY=
setx VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica.	set DI_KEY
set	Consente di visualizzare tutte le variabili di ambiente.	set

macOS

Le variabili di ambiente in macOS fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale. Aprire il terminale e immettere i comandi seguenti:

1. Impostare la variabile della chiave:

   export key=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export endpoint=<yourEndpoint>
   

È possibile impostare una variabile di ambiente in modo permanente inserendo un comando di esportazione nello script di avvio ~/.bash_profile di Bash:

1. Usare un editor di testo per aprire ~/.bash_profile e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Esempio: export DI_KEY="<yourKey>"

2. Salvare le modifiche apportate al file bash_profile.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bash-profile
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Consente di visualizzare il valore di una variabile di ambiente specifica. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Linux

Le variabili di ambiente in Linux fanno distinzione tra maiuscole e minuscole. Convenzionalmente, il nome della variabile viene dichiarato in lettere maiuscole.

Il comando export imposta la variabile e la esporta nell'ambiente globale, che è disponibile per altri processi. Tuttavia, il valore è temporaneo e dura solo fino a quando non si chiude la sessione del terminale:

1. Impostare la variabile della chiave:

   export DI_KEY=<yourKey>
   

2. Impostare la variabile dell'endpoint:

   export DI_ENDPOINT=<yourEndpoint>
   

Per impostare una variabile di ambiente in modo permanente, inserire un comando di esportazione nello script di avvio ~/.bashrc di Bash:

1. Usare l'editor di testo preferito per aprire il file ~/.bashrc e aggiungere il comando seguente per creare una variabile di ambiente permanente:

   export <VARIABLE>=<value>
   

   Esempio: export DI_KEY=<yourKey>

2. Salvare le modifiche apportate al file .bashrc.

3. Per applicare le modifiche, eseguire il comando seguente dalla finestra del terminale:

   source ~/.bashrc
   

Ecco qualche altro comando utile da usare con le variabili di ambiente:

Comando	Azione	Esempio
unset VARIABLE_NAME	Consente di eliminare una variabile di ambiente.	unset DI_KEY=
export VARIABLE_NAME=value	Consente di impostare o modificare il valore di una variabile di ambiente temporanea.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Visualizzare il valore di una variabile di ambiente. Con il comando echo, precedere la variabile con $.	printenv DI_KEY echo $DI_KEY
printenv	Consente di visualizzare tutte le variabili di ambiente.	printenv

Analizzare i documenti e ottenere risultati

Una richiesta POST viene usata per analizzare i documenti con un modello predefinito o personalizzato. Una richiesta GET viene usata per recuperare il risultato di una chiamata di analisi dei documenti. modelId viene usato con operazioni POST e resultId con operazioni GET.

Utilizzare la tabella seguente come riferimento. Sostituire <modelId> e < document-url> con i valori desiderati:

Modello	modelId	description	document-url
Modello Lettura	prebuilt-read	Brochure di esempio	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png
Modello Layout	prebuilt-layout	Conferma di prenotazione di esempio	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png
Modello di modulo W-2	prebuilt-tax.us.w2	Modulo W-2 di esempio	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png
Modello di fattura	prebuilt-invoice	Esempio di fattura	https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf
Modello Ricevuta	prebuilt-receipt	Ricevuta di esempio	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png
Modello Documento di identità	prebuilt-idDocument	Documento di identità di esempio	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png

Richiesta POST

Aprire una finestra della console ed eseguire il comando cURL seguente. I comandi includono l'endpoint e le variabili di ambiente della chiave create in precedenza nella sezione Impostare le variabili di ambiente. Sostituire queste variabili se i nomi delle variabili sono diversi. Ricordarsi di sostituire <modelId> e parametri di <document-url>.

curl -i -X POST "%DI_ENDPOINT%/documentintelligence/documentModels/{modelId}:analyze?api-version=2024-02-29-preview" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" --data-ascii "{'urlSource': '<document-url>'}"

Per abilitare le funzionalità aggiuntive, usare il parametro di query features nella richiesta POST. Sono disponibili quattro funzionalità aggiuntive con le versioni 2023-07-31 (disponibilità generale) e versioni successive: ocr.highResolution, ocr.formula, ocr.fonte queryFields.premium. Per altre informazioni su ognuna delle funzionalità, vedere Modelli personalizzati.

È possibile chiamare solo le funzionalità highResolution, formula e font per il modello Lettura e di Layout e la funzionalità queryFields per il modello di documenti generali. Nell'esempio seguente viene illustrato come chiamare le funzionalità highResolution, formula e font per il modello Layout.

curl -i -X POST "%DI_ENDPOINT%documentintelligence/documentModels/prebuilt-layout:analyze?features=ocr.highResolution,ocr.formula,ocr.font?api-version=2024-02-29-preview" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" --data-ascii "{'urlSource': '<document-url>'}"

Risposta POST

Si riceve una risposta 202 (Success) che include un'intestazione Operation-location. Usare il valore di questa intestazione per recuperare i risultati della risposta.

Ottenere il risultato dell'analisi (richiesta GET)

Dopo aver chiamato l'API Analyze document, chiamare l'API [Get analyze result}(/rest/api/aiservices/document-models/get-analyze-result?view=rest-aiservices-2024-02-29-preview&preserve-view=true&tabs=HTTP) per ottenere lo stato dell'operazione e i dati estratti.

Lo strumento da riga di comando cURL non formatta le risposte dell'API che contenengono contenuto JSON e ciò può rendere difficile la lettura del contenuto. Per formattare la risposta JSON includere il carattere barra verticale seguito da uno strumento di formattazione JSON con la richiesta GET.

Windows

Usare lo strumento json di NodeJS come formattatore JSON per cURL. Se Node.js non è installato, scaricare e installare la versione più recente.

1. Aprire una finestra della console e installare lo strumento JSON usando il comando seguente:

   npm install -g jsontool
   

2. Riformattare l'output JSON includendo il carattere barra verticale | json con le richieste GET.

   curl -i -X GET "<endpoint>documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json
   

macOS

Lo strumento di comando json_pp viene fornito con macOS e può essere usato come formattatore JSON per cURL.

• Riformattare l'output JSON includendo | json_pp con le richieste GET.

  curl -i -X GET "{endpoint}documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json_pp
  

Linux

Lo strumento da riga di comando json_pp è preinstallato nella maggior parte delle distribuzioni Linux. Se non è incluso, è possibile usare la gestione pacchetti della distribuzione per installarlo.

• Riformattare l'output JSON includendo | json_pp con le richieste GET.

  curl -i -X GET "<endpoint>documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json_pp
  

Richiesta GET

Prima di eseguire il comando seguente, apportare queste modifiche:

• Sostituire la <risposta POST> con l'Operation-locationintestazione della risposta POST.
• Sostituire <DI_KEY con la variabile per la variabile di ambiente se è diversa dal nome nel codice.
• Sostituire <json-tool> con lo strumento di formattazione JSON.

curl -i -X GET "<POST response>" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" | `<json-tool>`

Esaminare i risultati

Si riceve una risposta 200 (Success) con un output JSON. Il primo campo, status, indica lo stato dell'operazione. Se l'operazione non è completa, il valore di status è running o notStarted. Chiamare di nuovo l'API manualmente o tramite uno script. Si consiglia di attendere almeno un secondo tra le chiamate.

Visitare il repository di esempi di Azure in GitHub per visualizzare la risposta GET per ognuno dei modelli di Informazioni sui documenti:

Modello	URL di output
Modello Lettura	Output del modello Lettura
Modello Layout	Output del modello Layout
Modello fiscale W-2	Output del modello fiscale W-2
Modello di fattura	Output del modello Fattura
Modello Ricevuta	Output del modello Ricevuta
Modello Documento di identità	Output del modello Documento di identità

Passaggi successivi

Complimenti. Si è appreso come usare i modelli di Informazioni sui documenti per analizzare vari documenti in modi diversi. Esplorare quindi Studio di Informazioni sui documenti e la documentazione di riferimento.

Provare Document Intelligence Studio Esplorare l'API REST di Informazioni sui documenti