PDF からデータを抽出する

2024-10-03

適用対象: Azure Data Factory Azure Synapse Analytics

ヒント

企業向けのオールインワン分析ソリューション、Microsoft Fabric の Data Factory をお試しください。 Microsoft Fabric は、データ移動からデータサイエンス、リアルタイム分析、ビジネスインテリジェンス、レポートまで、あらゆるものをカバーしています。無料で新しい試用版を開始する方法について説明します。

この記事では、Azure Data Factory と Azure AI Document Intelligence を使用して PDF ソースからデータを抽出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

このテンプレートでは、2 つの Azure AI Document Intelligence 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。

Azure AI Document Intelligence 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、Azure AI Document Intelligence URL ("https://{endpoint}/formrecognizer/v2.1/layout/analyze") です。 {endpoint} を、Azure AI Document Intelligence サブスクリプションで取得したエンドポイントで置き換えます。既定値を独自の URL に置き換える必要があります。
CognitiveServicesKey は、Azure AI Document Intelligence 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

Azure AI Document Intelligence リソースエンドポイントの URL とキー (ここで新しいリソースを作成します)

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。 Azure AI Document Intelligence 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。

Azure AI Document Intelligence への接続で、リンクサービスパラメータ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 にする必要があり、値は Azure リソースから検出したキー値にする必要があります。
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。