PDF からデータを抽出する

適用対象: Azure Data Factory Azure Synapse Analytics

ヒント

Data Factory in Microsoft Fabric は、よりシンプルなアーキテクチャ、組み込みの AI、および新機能を備えた次世代のAzure Data Factoryです。データ統合を初めて使用する場合は、Fabric Data Factory から始めます。既存の ADF ワークロードをFabricにアップグレードして、データサイエンス、リアルタイム分析、レポートの新機能にアクセスできます。

Fabric無料試用版を開始します。
Azure Data Factory から Microsoft Fabric の Data Factory へのアップグレード

この記事では、Foundry Tools のドキュメントインテリジェンスとAzure Data Factoryを使用して PDF ソースからデータを抽出 Azureするために使用できるソリューションテンプレートについて説明します。

このソリューションテンプレートについて

このテンプレートは、2 つのドキュメントインテリジェンス呼び出しを使用して PDF URL ソースからのデータを分析します。次に、出力をデータフロー内の読み取り可能なテーブルに変換し、そのデータをストレージシンクに出力します。

このテンプレートには、次の 2 つのアクティビティが含まれています。

ドキュメントインテリジェンスの事前構築済み読み取りモデル API を呼び出す Web アクティビティ
PDF から抽出されたデータを変換するデータフロー

このテンプレートには、以下の 5 つのパラメータが定義されています。

CognitiveServicesURL はドキュメントインテリジェンス URL ("https://{endpoint}/formrecognizer/v2.1/layout/analyze") です。 {endpoint} を、ドキュメントインテリジェンスサブスクリプションで取得したエンドポイントに置き換えます。既定値を独自の URL に置き換える必要があります。
CognitiveServicesKey はドキュメントインテリジェンスサブスクリプションキーです。既定値を独自のサブスクリプションキーに置き換える必要があります。
PDF_SourceURLは PDF ソースの URL です。既定値を独自の URL に置き換える必要があります。
OutputContainer は、ファイルを移行先ストアに配置するコンテナーパスの名前です。既定値を独自のコンテナーに置き換える必要があります。
OutputFolder は、ファイルを移行先ストアに配置するフォルダーパスの名前です。既定値を目的のフォルダーパスに置き換える必要があります。

前提条件

ドキュメントインテリジェンスリソースエンドポイントの URL とキー (新しいリソース here)

このソリューションテンプレートの使用方法

テンプレート「PDFからデータを抽出する」に移動します。ドキュメントインテリジェンスリソースへの 新しい 接続を作成するか、既存の接続を選択します。

ドキュメントインテリジェンスへの接続で、 リンクされたサービスパラメーターを必ず追加してください。この url パラメータは、動的なベース URL として使用する必要があります。また、[Auth headers] (認証ヘッダー) で新しい認証ヘッダーを追加する必要があります。名前は Ocp-Apim-Subscription-Key で、値は Azure リソースから見つけたキー値である必要があります。
宛先ストレージストアへの新しい接続を作成するか、既存の接続を選択します。選択した保存先は、抽出された PDF データが保存される場所です。
[このテンプレートを使用] を選択します。
次のパイプラインが表示されます。
[データフロー] アクティビティに移動し、[設定]を見つけます。ここでは、リンクサービスの url パラメータの動的コンテンツを追加する必要があります。 [動的なコンテンツの追加] をクリックすると、パイプライン式ビルダーが開きます。 [Cognitive Services - POST activity output] (Cognitive Services - POST アクティビティの出力) を選択します。次に、「.output.ADFWebActivityResponseHeaders['Operation-Location']」と入力するか、コピーして貼り付けます。式ビルダーに次の式が表示されます。
[OK] をクリックして、パイプラインに戻ります。
次に、[デバッグ] を選択します。
パラメーター値を入力し、結果を確認し、公開します。