DocumentAnalysisClient Classe

Riferimento

DocumentAnalysisClient analizza le informazioni di documenti e immagini e classifica i documenti. È l'interfaccia da usare per l'analisi con modelli predefiniti (ricevute, biglietti da visita, fatture, documenti di identità, tra gli altri), analisi del layout da documenti, analisi dei tipi di documenti generali e analisi di documenti personalizzati con modelli compilati (per visualizzare un elenco completo dei modelli supportati dal servizio, vedere: https://aka.ms/azsdk/formrecognizer/models). Fornisce metodi diversi in base agli input da un URL e dagli input di un flusso.

Nota

DocumentAnalysisClient deve essere usato con le versioni dell'API

2022-08-31 e fino. Per usare le versioni <API =v2.1, creare un'istanza di FormRecognizerClient.

Novità nella versione 2022-08-31: DocumentAnalysisClient e i relativi metodi client.

Ereditarietà: azure.ai.formrecognizer.aio._form_base_client_async.FormRecognizerClientBaseAsync

DocumentAnalysisClient

Costruttore

DocumentAnalysisClient(endpoint: str, credential: AzureKeyCredential | AsyncTokenCredential, **kwargs: Any)

Parametri

endpoint: str

Necessario

Endpoint di Servizi cognitivi supportati (protocollo e nome host, ad esempio: https://westus2.api.cognitive.microsoft.com).

credential: AzureKeyCredential oppure TokenCredential

Necessario

Credenziali necessarie per la connessione del client ad Azure. Si tratta di un'istanza di AzureKeyCredential se si usa una chiave API o una credenziale di token da identity.

api_version: str oppure DocumentAnalysisApiVersion

Versione API del servizio da usare per le richieste. L'impostazione predefinita è la versione più recente del servizio. L'impostazione su una versione precedente può comportare una riduzione della compatibilità delle funzionalità. Per usare le versioni <api =v2.1, creare un'istanza di FormRecognizerClient.

Esempio

Creazione di DocumentAnalysisClient con un endpoint e una chiave API.


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   document_analysis_client = DocumentAnalysisClient(endpoint, AzureKeyCredential(key))

Creazione di DocumentAnalysisClient con credenziali del token.


   """DefaultAzureCredential will use the values from these environment
   variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
   """
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient
   from azure.identity.aio import DefaultAzureCredential

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   credential = DefaultAzureCredential()

   document_analysis_client = DocumentAnalysisClient(endpoint, credential)

Metodi

begin_analyze_document	Analizzare il testo del campo e i valori semantici da un determinato documento. Novità della versione 2023-07-31: argomento della parola chiave features .
begin_analyze_document_from_url	Analizzare il testo del campo e i valori semantici da un determinato documento. L'input deve essere il percorso (URL) del documento da analizzare. Novità della versione 2023-07-31: argomento della parola chiave features .
begin_classify_document	Classificare un documento usando un classificatore di documenti. Per altre informazioni su come creare un modello di classificatore personalizzato, vedere https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. Novità della versione 2023-07-31: metodo client begin_classify_document .
begin_classify_document_from_url	Classificare un determinato documento con un classificatore di documenti. Per altre informazioni su come creare un modello di classificatore personalizzato, vedere https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. L'input deve essere il percorso (URL) del documento da classificare. Novità della versione 2023-07-31: metodo client begin_classify_document_from_url .
close	Chiudere la DocumentAnalysisClient sessione.
send_request	Esegue una richiesta di rete usando la pipeline esistente del client. L'URL della richiesta può essere relativo all'URL di base. La versione dell'API del servizio usata per la richiesta è uguale a quella del client, se non diversamente specificato. L'override della versione dell'API configurata del client nell'URL relativo è supportata nel client con l'API versione 2022-08-31 e successive. Override dell'URL assoluto supportato nel client con qualsiasi versione dell'API. Questo metodo non genera se la risposta è un errore; per generare un'eccezione, chiamare raise_for_status() sull'oggetto risposta restituito. Per altre informazioni su come inviare richieste personalizzate con questo metodo, vedere https://aka.ms/azsdk/dpcodegen/python/send_request.

begin_analyze_document

Analizzare il testo del campo e i valori semantici da un determinato documento.

Novità della versione 2023-07-31: argomento della parola chiave features .

async begin_analyze_document(model_id: str, document: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[AnalyzeResult]

Parametri

model_id: str

Necessario

Un identificatore di modello univoco può essere passato come stringa. Usare questa opzione per specificare l'ID modello personalizzato o l'ID modello predefinito. Gli ID modello predefiniti supportati sono disponibili qui: https://aka.ms/azsdk/formrecognizer/models

document: bytes oppure IO[bytes]

Necessario

Flusso di file o byte. Per i tipi di file supportati dal servizio, vedere: https://aka.ms/azsdk/formrecognizer/supportedfiles.

pages: str

Numeri di pagina personalizzati per documenti a più pagine (PDF/TIFF). Immettere i numeri di pagina e/o gli intervalli di pagine che si desidera ottenere nel risultato. Per un intervallo di pagine, usare un trattino, ad esempio pages="1-3, 5-6". Separare ogni numero di pagina o intervallo con una virgola.

locale: str

Hint delle impostazioni locali del documento di input. Vedere le impostazioni locali supportate qui: https://aka.ms/azsdk/formrecognizer/supportedlocales.

features: list[str]

Funzionalità di analisi dei documenti da abilitare.

Restituisce

Istanza di AsyncLROPoller. Chiamare result() sull'oggetto poller per restituire un oggetto AnalyzeResult.

Tipo restituito

AsyncLROPoller[AnalyzeResult]

Eccezioni

HttpResponseError

Esempio

Analizzare una fattura. Per altri esempi, vedere la cartella samples .


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   document_analysis_client = DocumentAnalysisClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   async with document_analysis_client:
       with open(path_to_sample_documents, "rb") as f:
           poller = await document_analysis_client.begin_analyze_document(
               "prebuilt-invoice", document=f, locale="en-US"
           )
       invoices = await poller.result()

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

Analizzare un documento personalizzato. Per altri esempi, vedere la cartella samples .


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
   model_id = os.getenv("CUSTOM_BUILT_MODEL_ID", custom_model_id)

   document_analysis_client = DocumentAnalysisClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )

   async with document_analysis_client:
       # Make sure your document's type is included in the list of document types the custom model can analyze
       with open(path_to_sample_documents, "rb") as f:
           poller = await document_analysis_client.begin_analyze_document(
               model_id=model_id, document=f
           )
       result = await poller.result()

   for idx, document in enumerate(result.documents):
       print(f"--------Analyzing document #{idx + 1}--------")
       print(f"Document has type {document.doc_type}")
       print(f"Document has document type confidence {document.confidence}")
       print(f"Document was analyzed with model with ID {result.model_id}")
       for name, field in document.fields.items():
           field_value = field.value if field.value else field.content
           print(
               f"......found field of type '{field.value_type}' with value '{field_value}' and with confidence {field.confidence}"
           )

   # iterate over tables, lines, and selection marks on each page
   for page in result.pages:
       print(f"\nLines found on page {page.page_number}")
       for line in page.lines:
           print(f"...Line '{line.content}'")
       for word in page.words:
           print(f"...Word '{word.content}' has a confidence of {word.confidence}")
       if page.selection_marks:
           print(f"\nSelection marks found on page {page.page_number}")
           for selection_mark in page.selection_marks:
               print(
                   f"...Selection mark is '{selection_mark.state}' and has a confidence of {selection_mark.confidence}"
               )

   for i, table in enumerate(result.tables):
       print(f"\nTable {i + 1} can be found on page:")
       for region in table.bounding_regions:
           print(f"...{region.page_number}")
       for cell in table.cells:
           print(
               f"...Cell[{cell.row_index}][{cell.column_index}] has text '{cell.content}'"
           )
   print("-----------------------------------")

begin_analyze_document_from_url

Analizzare il testo del campo e i valori semantici da un determinato documento. L'input deve essere il percorso (URL) del documento da analizzare.

Novità della versione 2023-07-31: argomento della parola chiave features .

async begin_analyze_document_from_url(model_id: str, document_url: str, **kwargs: Any) -> AsyncLROPoller[AnalyzeResult]

Parametri

model_id: str

Necessario

document_url: str

Necessario

URL del documento da analizzare. L'input deve essere un url valido e correttamente codificato (ad esempio, codificare caratteri speciali, ad esempio spazi vuoti) e URL accessibile pubblicamente. Per i tipi di file supportati dal servizio, vedere: https://aka.ms/azsdk/formrecognizer/supportedfiles.

pages: str

locale: str

Hint delle impostazioni locali del documento di input. Vedere le impostazioni locali supportate qui: https://aka.ms/azsdk/formrecognizer/supportedlocales.

features: list[str]

Funzionalità di analisi dei documenti da abilitare.

Restituisce

Istanza di AsyncLROPoller. Chiamare result() sull'oggetto poller per restituire un oggetto AnalyzeResult.

Tipo restituito

AsyncLROPoller[AnalyzeResult]

Eccezioni

HttpResponseError

Esempio

Analizzare una ricevuta. Per altri esempi, vedere la cartella samples .


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]

   document_analysis_client = DocumentAnalysisClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   async with document_analysis_client:
       url = "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/tests/sample_forms/receipt/contoso-receipt.png"
       poller = await document_analysis_client.begin_analyze_document_from_url(
           "prebuilt-receipt", document_url=url
       )
       receipts = await poller.result()

   for idx, receipt in enumerate(receipts.documents):
       print(f"--------Analysis of receipt #{idx + 1}--------")
       print(f"Receipt type: {receipt.doc_type if receipt.doc_type else 'N/A'}")
       merchant_name = receipt.fields.get("MerchantName")
       if merchant_name:
           print(
               f"Merchant Name: {merchant_name.value} has confidence: "
               f"{merchant_name.confidence}"
           )
       transaction_date = receipt.fields.get("TransactionDate")
       if transaction_date:
           print(
               f"Transaction Date: {transaction_date.value} has confidence: "
               f"{transaction_date.confidence}"
           )
       if receipt.fields.get("Items"):
           print("Receipt items:")
           for idx, item in enumerate(receipt.fields.get("Items").value):
               print(f"...Item #{idx + 1}")
               item_description = item.value.get("Description")
               if item_description:
                   print(
                       f"......Item Description: {item_description.value} has confidence: "
                       f"{item_description.confidence}"
                   )
               item_quantity = item.value.get("Quantity")
               if item_quantity:
                   print(
                       f"......Item Quantity: {item_quantity.value} has confidence: "
                       f"{item_quantity.confidence}"
                   )
               item_price = item.value.get("Price")
               if item_price:
                   print(
                       f"......Individual Item Price: {item_price.value} has confidence: "
                       f"{item_price.confidence}"
                   )
               item_total_price = item.value.get("TotalPrice")
               if item_total_price:
                   print(
                       f"......Total Item Price: {item_total_price.value} has confidence: "
                       f"{item_total_price.confidence}"
                   )
       subtotal = receipt.fields.get("Subtotal")
       if subtotal:
           print(f"Subtotal: {subtotal.value} has confidence: {subtotal.confidence}")
       tax = receipt.fields.get("TotalTax")
       if tax:
           print(f"Total tax: {tax.value} has confidence: {tax.confidence}")
       tip = receipt.fields.get("Tip")
       if tip:
           print(f"Tip: {tip.value} has confidence: {tip.confidence}")
       total = receipt.fields.get("Total")
       if total:
           print(f"Total: {total.value} has confidence: {total.confidence}")
       print("--------------------------------------")

begin_classify_document

Classificare un documento usando un classificatore di documenti. Per altre informazioni su come creare un modello di classificatore personalizzato, vedere https://aka.ms/azsdk/formrecognizer/buildclassifiermodel.

Novità della versione 2023-07-31: metodo client begin_classify_document .

async begin_classify_document(classifier_id: str, document: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[AnalyzeResult]

Parametri

classifier_id: str

Necessario

Un identificatore univoco del classificatore di documenti può essere passato come stringa.

document: bytes oppure IO[bytes]

Necessario

Flusso di file o byte. Per i tipi di file supportati dal servizio, vedere: https://aka.ms/azsdk/formrecognizer/supportedfiles.

Restituisce

Istanza di AsyncLROPoller. Chiamare result() sull'oggetto poller per restituire un oggetto AnalyzeResult.

Tipo restituito

AsyncLROPoller[AnalyzeResult]

Eccezioni

HttpResponseError

Esempio

Classificare un documento. Per altri esempi, vedere la cartella samples .


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
   classifier_id = os.getenv("CLASSIFIER_ID", classifier_id)

   document_analysis_client = DocumentAnalysisClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   async with document_analysis_client:
       with open(path_to_sample_documents, "rb") as f:
           poller = await document_analysis_client.begin_classify_document(
               classifier_id, document=f
           )
       result = await poller.result()

   print("----Classified documents----")
   for doc in result.documents:
       print(
           f"Found document of type '{doc.doc_type or 'N/A'}' with a confidence of {doc.confidence} contained on "
           f"the following pages: {[region.page_number for region in doc.bounding_regions]}"
       )

begin_classify_document_from_url

Classificare un determinato documento con un classificatore di documenti. Per altre informazioni su come creare un modello di classificatore personalizzato, vedere https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. L'input deve essere il percorso (URL) del documento da classificare.

Novità della versione 2023-07-31: metodo client begin_classify_document_from_url .

async begin_classify_document_from_url(classifier_id: str, document_url: str, **kwargs: Any) -> AsyncLROPoller[AnalyzeResult]

Parametri

classifier_id: str

Necessario

Un identificatore univoco del classificatore di documenti può essere passato come stringa.

document_url: str

Necessario

URL del documento da classificare. L'input deve essere un valore valido codificato correttamente (ad esempio, codificare caratteri speciali, ad esempio spazi vuoti) e l'URL accessibile pubblicamente di uno dei formati supportati: https://aka.ms/azsdk/formrecognizer/supportedfiles.

Restituisce

Istanza di AsyncLROPoller. Chiamare result() sull'oggetto poller per restituire un oggetto AnalyzeResult.

Tipo restituito

AsyncLROPoller[AnalyzeResult]

Eccezioni

HttpResponseError

Esempio

Classificare un documento. Per altri esempi, vedere la cartella samples .


   from azure.core.credentials import AzureKeyCredential
   from azure.ai.formrecognizer.aio import DocumentAnalysisClient

   endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
   key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
   classifier_id = os.getenv("CLASSIFIER_ID", classifier_id)

   document_analysis_client = DocumentAnalysisClient(
       endpoint=endpoint, credential=AzureKeyCredential(key)
   )
   async with document_analysis_client:
       url = "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/tests/sample_forms/forms/IRS-1040.pdf"

       poller = await document_analysis_client.begin_classify_document_from_url(
           classifier_id, document_url=url
       )
       result = await poller.result()

   print("----Classified documents----")
   for doc in result.documents:
       print(
           f"Found document of type '{doc.doc_type or 'N/A'}' with a confidence of {doc.confidence} contained on "
           f"the following pages: {[region.page_number for region in doc.bounding_regions]}"
       )

close

Chiudere la DocumentAnalysisClient sessione.

async close() -> None

Eccezioni

HttpResponseError

send_request

Esegue una richiesta di rete usando la pipeline esistente del client.

L'URL della richiesta può essere relativo all'URL di base. La versione dell'API del servizio usata per la richiesta è uguale a quella del client, se non diversamente specificato. L'override della versione dell'API configurata del client nell'URL relativo è supportata nel client con l'API versione 2022-08-31 e successive. Override dell'URL assoluto supportato nel client con qualsiasi versione dell'API. Questo metodo non genera se la risposta è un errore; per generare un'eccezione, chiamare raise_for_status() sull'oggetto risposta restituito. Per altre informazioni su come inviare richieste personalizzate con questo metodo, vedere https://aka.ms/azsdk/dpcodegen/python/send_request.

async send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> AsyncHttpResponse

Parametri

request: HttpRequest

Necessario

Richiesta di rete da effettuare.

Restituisce

Risposta della chiamata di rete. Non esegue la gestione degli errori nella risposta.

Tipo restituito

AsyncHttpResponse

Eccezioni

HttpResponseError

Condividi tramite

DocumentAnalysisClient Classe

Costruttore

Parametri

Esempio

Metodi

begin_analyze_document

Parametri

Restituisce

Tipo restituito

Eccezioni

Esempio

begin_analyze_document_from_url

Parametri

Restituisce

Tipo restituito

Eccezioni

Esempio

begin_classify_document

Parametri

Restituisce

Tipo restituito

Eccezioni

Esempio

begin_classify_document_from_url

Parametri

Restituisce

Tipo restituito

Eccezioni

Esempio

close

Eccezioni

send_request

Parametri

Restituisce

Tipo restituito

Eccezioni

Commenti e suggerimenti

Risorse aggiuntive