다음을 통해 공유

DocumentAnalysisClient class

  • 참조
패키지:
@azure/ai-form-recognizer

Form Recognizer 서비스의 분석 기능과 상호 작용하기 위한 클라이언트입니다.

예제:

Form Recognizer 서비스 및 클라이언트는 두 가지 인증 수단을 지원합니다.

Azure Active Directory

import { DocumentAnalysisClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentAnalysisClient(endpoint, credential);

API 키(구독 키)

import { DocumentAnalysisClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentAnalysisClient(endpoint, credential);

생성자

DocumentAnalysisClient(string, KeyCredential, DocumentAnalysisClientOptions)

DocumentAnalysisClient 리소스 엔드포인트 및 정적 API 키(KeyCredential)에서 instance 만듭니다.

예제:

import { DocumentAnalysisClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentAnalysisClient(endpoint, credential);
DocumentAnalysisClient(string, TokenCredential, DocumentAnalysisClientOptions)

DocumentAnalysisClient 리소스 엔드포인트 및 Azure ID 에서 instance 만듭니다TokenCredential.

@azure/identity Azure Active Directory를 사용하여 인증하는 방법에 대한 자세한 내용은 패키지를 참조하세요.

예제:

import { DocumentAnalysisClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentAnalysisClient(endpoint, credential);

메서드

beginAnalyzeDocument(string, FormRecognizerRequestBody, AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>)

고유 ID로 지정된 모델을 사용하여 입력에서 데이터를 추출합니다.

이 작업은 미리 빌드된 모델뿐만 아니라 사용자 지정 모델도 지원합니다. 예를 들어 미리 빌드된 청구서 모델을 사용하려면 모델 ID "prebuilt-invoice"를 제공하거나 더 간단한 미리 빌드된 레이아웃 모델을 사용하려면 모델 ID "미리 빌드된 레이아웃"을 제공합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라지고 추출된 문서 필드의 값은 모델의 문서 형식(있는 경우) 및 해당 필드 스키마에 따라 달라집니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

import * as fs from "fs";

const file = fs.createReadStream("path/to/receipt.pdf");

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model, but you could use a custom model ID/name instead.
const poller = await client.beginAnalyzeDocument("prebuilt-receipt", file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)
  entities, // extracted entities in the input's content, which are categorized (ex. "Location" or "Organization")
  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// The fields correspond to the model's document types and their field schemas. Refer to the Form Recognizer
// documentation for information about the document types and field schemas within a model, or use the `getModel`
// operation to view this information programmatically.
console.log("The type of this receipt is:", receipt?.["ReceiptType"]?.value);
beginAnalyzeDocument<Result>(DocumentModel<Result>, FormRecognizerRequestBody, AnalyzeDocumentOptions<Result>)

강력한 형식의 알려진 문서 스키마( DocumentModel)가 있는 모델을 사용하여 입력에서 데이터를 추출합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라집니다. TypeScript에서 이 메서드 오버로드에 대한 결과의 형식은 입력 DocumentModel형식에서 유추됩니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

제공된 입력이 문자열인 경우 분석할 문서의 위치에 대한 URL로 처리됩니다. 자세한 내용은 beginAnalyzeDocumentFromUrl 메서드를 참조하세요. URL을 사용할 때는 해당 메서드를 사용하는 것이 좋습니다. URL 지원은 이전 버전과의 호환성을 위해 이 메서드에서만 제공됩니다.

import * as fs from "fs";

// See the `prebuilt` folder in the SDK samples (http://aka.ms/azsdk/formrecognizer/js/samples) for examples of
// DocumentModels for known prebuilts.
import { PrebuiltReceiptModel } from "./prebuilt-receipt.ts";

const file = fs.createReadStream("path/to/receipt.pdf");

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model.
const poller = await client.beginAnalyzeDocument(PrebuiltReceiptModel, file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// Since we used the strongly-typed PrebuiltReceiptModel object instead of the "prebuilt-receipt" model ID
// string, the fields of the receipt are strongly-typed and have camelCase names (as opposed to PascalCase).
console.log("The type of this receipt is:", receipt.receiptType?.value);
beginAnalyzeDocumentFromUrl(string, string, AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>)

고유 ID로 지정된 모델을 사용하여 입력에서 데이터를 추출합니다.

이 작업은 미리 빌드된 모델뿐만 아니라 사용자 지정 모델도 지원합니다. 예를 들어 미리 빌드된 청구서 모델을 사용하려면 모델 ID "prebuilt-invoice"를 제공하거나 더 간단한 미리 빌드된 레이아웃 모델을 사용하려면 모델 ID "미리 빌드된 레이아웃"을 제공합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라지고 추출된 문서 필드의 값은 모델의 문서 형식(있는 경우) 및 해당 필드 스키마에 따라 달라집니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// the URL must be publicly accessible
const url = "<receipt document url>";

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model, but you could use a custom model ID/name instead.
const poller = await client.beginAnalyzeDocument("prebuilt-receipt", url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// The fields correspond to the model's document types and their field schemas. Refer to the Form Recognizer
// documentation for information about the document types and field schemas within a model, or use the `getModel`
// operation to view this information programmatically.
console.log("The type of this receipt is:", receipt?.["ReceiptType"]?.value);
beginAnalyzeDocumentFromUrl<Result>(DocumentModel<Result>, string, AnalyzeDocumentOptions<Result>)

강력한 형식의 알려진 문서 스키마( DocumentModel)가 있는 모델을 사용하여 입력에서 데이터를 추출합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라집니다. TypeScript에서 이 메서드 오버로드에 대한 결과의 형식은 입력 DocumentModel형식에서 유추됩니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// See the `prebuilt` folder in the SDK samples (http://aka.ms/azsdk/formrecognizer/js/samples) for examples of
// DocumentModels for known prebuilts.
import { PrebuiltReceiptModel } from "./prebuilt-receipt.ts";

// the URL must be publicly accessible
const url = "<receipt document url>";

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model.
const poller = await client.beginAnalyzeDocument(PrebuiltReceiptModel, url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// Since we used the strongly-typed PrebuiltReceiptModel object instead of the "prebuilt-receipt" model ID
// string, the fields of the receipt are strongly-typed and have camelCase names (as opposed to PascalCase).
console.log("The type of this receipt is:", receipt.receiptType?.value);
beginClassifyDocument(string, FormRecognizerRequestBody, ClassifyDocumentOptions)

ID로 지정된 사용자 지정 분류자를 사용하여 문서를 분류합니다.

이 메서드는 결국 을 생성하는 장기 실행 작업(폴러)을 생성합니다 AnalyzeResult. 이 형식은 및 와 beginAnalyzeDocumentFromUrl동일 beginAnalyzeDocument 하지만 결과에는 해당 필드의 작은 하위 집합만 포함됩니다. documents 필드와 pages 필드만 채워지고 최소 페이지 정보만 반환됩니다. 필드에는 documents 식별된 모든 문서와 docType 분류된 문서에 대한 정보가 포함됩니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

import * as fs from "fs";

const file = fs.createReadStream("path/to/file.pdf");

const poller = await client.beginClassifyDocument("<classifier ID>", file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain only basic information for classifiers
  documents // extracted documents and their types
} = await poller.pollUntilDone();

// We'll print the documents and their types
for (const { docType } of documents) {
  console.log("The type of this document is:", docType);
}
beginClassifyDocumentFromUrl(string, string, ClassifyDocumentOptions)

ID로 지정된 사용자 지정 분류자를 사용하여 URL에서 문서를 분류합니다.

이 메서드는 결국 을 생성하는 장기 실행 작업(폴러)을 생성합니다 AnalyzeResult. 이 형식은 및 와 beginAnalyzeDocumentFromUrl동일 beginAnalyzeDocument 하지만 결과에는 해당 필드의 작은 하위 집합만 포함됩니다. documents 필드와 pages 필드만 채워지고 최소 페이지 정보만 반환됩니다. 필드에는 documents 식별된 모든 문서와 docType 분류된 문서에 대한 정보가 포함됩니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// the URL must be publicly accessible
const url = "<file url>";

const poller = await client.beginClassifyDocument("<classifier ID>", url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain only basic information for classifiers
  documents // extracted documents and their types
} = await poller.pollUntilDone();

// We'll print the documents and their types
for (const { docType } of documents) {
  console.log("The type of this document is:", docType);
}

생성자 세부 정보

DocumentAnalysisClient(string, KeyCredential, DocumentAnalysisClientOptions)

DocumentAnalysisClient 리소스 엔드포인트 및 정적 API 키(KeyCredential)에서 instance 만듭니다.

예제:

import { DocumentAnalysisClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentAnalysisClient(endpoint, credential);

new DocumentAnalysisClient(endpoint: string, credential: KeyCredential, options?: DocumentAnalysisClientOptions)

매개 변수

endpoint

string

Azure Cognitive Services instance 엔드포인트 URL

credential
KeyCredential

Cognitive Services instance 구독 키가 포함된 KeyCredential

options
DocumentAnalysisClientOptions

클라이언트의 모든 메서드를 구성하기 위한 선택적 설정

DocumentAnalysisClient(string, TokenCredential, DocumentAnalysisClientOptions)

DocumentAnalysisClient 리소스 엔드포인트 및 Azure ID 에서 instance 만듭니다TokenCredential.

@azure/identity Azure Active Directory를 사용하여 인증하는 방법에 대한 자세한 내용은 패키지를 참조하세요.

예제:

import { DocumentAnalysisClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentAnalysisClient(endpoint, credential);

new DocumentAnalysisClient(endpoint: string, credential: TokenCredential, options?: DocumentAnalysisClientOptions)

매개 변수

endpoint

string

Azure Cognitive Services instance 엔드포인트 URL

credential
TokenCredential

패키지의 @azure/identity TokenCredential instance

options
DocumentAnalysisClientOptions

클라이언트의 모든 메서드를 구성하기 위한 선택적 설정

메서드 세부 정보

beginAnalyzeDocument(string, FormRecognizerRequestBody, AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>)

고유 ID로 지정된 모델을 사용하여 입력에서 데이터를 추출합니다.

이 작업은 미리 빌드된 모델뿐만 아니라 사용자 지정 모델도 지원합니다. 예를 들어 미리 빌드된 청구서 모델을 사용하려면 모델 ID "prebuilt-invoice"를 제공하거나 더 간단한 미리 빌드된 레이아웃 모델을 사용하려면 모델 ID "미리 빌드된 레이아웃"을 제공합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라지고 추출된 문서 필드의 값은 모델의 문서 형식(있는 경우) 및 해당 필드 스키마에 따라 달라집니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

import * as fs from "fs";

const file = fs.createReadStream("path/to/receipt.pdf");

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model, but you could use a custom model ID/name instead.
const poller = await client.beginAnalyzeDocument("prebuilt-receipt", file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)
  entities, // extracted entities in the input's content, which are categorized (ex. "Location" or "Organization")
  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// The fields correspond to the model's document types and their field schemas. Refer to the Form Recognizer
// documentation for information about the document types and field schemas within a model, or use the `getModel`
// operation to view this information programmatically.
console.log("The type of this receipt is:", receipt?.["ReceiptType"]?.value);

function beginAnalyzeDocument(modelId: string, document: FormRecognizerRequestBody, options?: AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>): Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

매개 변수

modelId

string

이 클라이언트 리소스 내 모델의 고유 ID(이름)

document
FormRecognizerRequestBody

요청과 함께 업로드될 FormRecognizerRequestBody

options

AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>

분석 작업 및 폴러에 대한 선택적 설정

반환

Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

결국 을 생성하는 장기 실행 작업(폴러)입니다. AnalyzeResult

beginAnalyzeDocument<Result>(DocumentModel<Result>, FormRecognizerRequestBody, AnalyzeDocumentOptions<Result>)

강력한 형식의 알려진 문서 스키마( DocumentModel)가 있는 모델을 사용하여 입력에서 데이터를 추출합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라집니다. TypeScript에서 이 메서드 오버로드에 대한 결과의 형식은 입력 DocumentModel형식에서 유추됩니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

제공된 입력이 문자열인 경우 분석할 문서의 위치에 대한 URL로 처리됩니다. 자세한 내용은 beginAnalyzeDocumentFromUrl 메서드를 참조하세요. URL을 사용할 때는 해당 메서드를 사용하는 것이 좋습니다. URL 지원은 이전 버전과의 호환성을 위해 이 메서드에서만 제공됩니다.

import * as fs from "fs";

// See the `prebuilt` folder in the SDK samples (http://aka.ms/azsdk/formrecognizer/js/samples) for examples of
// DocumentModels for known prebuilts.
import { PrebuiltReceiptModel } from "./prebuilt-receipt.ts";

const file = fs.createReadStream("path/to/receipt.pdf");

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model.
const poller = await client.beginAnalyzeDocument(PrebuiltReceiptModel, file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// Since we used the strongly-typed PrebuiltReceiptModel object instead of the "prebuilt-receipt" model ID
// string, the fields of the receipt are strongly-typed and have camelCase names (as opposed to PascalCase).
console.log("The type of this receipt is:", receipt.receiptType?.value);

function beginAnalyzeDocument<Result>(model: DocumentModel<Result>, document: FormRecognizerRequestBody, options?: AnalyzeDocumentOptions<Result>): Promise<AnalysisPoller<Result>>

매개 변수

model

DocumentModel<Result>

분석에 사용할 모델 및 예상 출력 형식을 나타내는 DocumentModel

document
FormRecognizerRequestBody

요청과 함께 업로드될 FormRecognizerRequestBody

options

AnalyzeDocumentOptions<Result>

분석 작업 및 폴러에 대한 선택적 설정

반환

Promise<AnalysisPoller<Result>>

최종적으로 입력 모델과 연결된 결과 형식이 있는 문서를 사용하여 을 생성하는 AnalyzeResult 장기 실행 작업(폴러)입니다.

beginAnalyzeDocumentFromUrl(string, string, AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>)

고유 ID로 지정된 모델을 사용하여 입력에서 데이터를 추출합니다.

이 작업은 미리 빌드된 모델뿐만 아니라 사용자 지정 모델도 지원합니다. 예를 들어 미리 빌드된 청구서 모델을 사용하려면 모델 ID "prebuilt-invoice"를 제공하거나 더 간단한 미리 빌드된 레이아웃 모델을 사용하려면 모델 ID "미리 빌드된 레이아웃"을 제공합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라지고 추출된 문서 필드의 값은 모델의 문서 형식(있는 경우) 및 해당 필드 스키마에 따라 달라집니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// the URL must be publicly accessible
const url = "<receipt document url>";

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model, but you could use a custom model ID/name instead.
const poller = await client.beginAnalyzeDocument("prebuilt-receipt", url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// The fields correspond to the model's document types and their field schemas. Refer to the Form Recognizer
// documentation for information about the document types and field schemas within a model, or use the `getModel`
// operation to view this information programmatically.
console.log("The type of this receipt is:", receipt?.["ReceiptType"]?.value);

function beginAnalyzeDocumentFromUrl(modelId: string, documentUrl: string, options?: AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>): Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

매개 변수

modelId

string

이 클라이언트 리소스 내 모델의 고유 ID(이름)

documentUrl

string

공용 인터넷에서 액세스할 수 있는 입력 문서에 대한 URL(문자열)

options

AnalyzeDocumentOptions<AnalyzeResult<AnalyzedDocument>>

분석 작업 및 폴러에 대한 선택적 설정

반환

Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

결국 을 생성하는 장기 실행 작업(폴러)입니다. AnalyzeResult

beginAnalyzeDocumentFromUrl<Result>(DocumentModel<Result>, string, AnalyzeDocumentOptions<Result>)

강력한 형식의 알려진 문서 스키마( DocumentModel)가 있는 모델을 사용하여 입력에서 데이터를 추출합니다.

에서 AnalyzeResult 생성된 필드는 분석에 사용되는 모델에 따라 달라집니다. TypeScript에서 이 메서드 오버로드에 대한 결과의 형식은 입력 DocumentModel형식에서 유추됩니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// See the `prebuilt` folder in the SDK samples (http://aka.ms/azsdk/formrecognizer/js/samples) for examples of
// DocumentModels for known prebuilts.
import { PrebuiltReceiptModel } from "./prebuilt-receipt.ts";

// the URL must be publicly accessible
const url = "<receipt document url>";

// The model that is passed to the following function call determines the type of the eventual result. In the
// example, we will use the prebuilt receipt model.
const poller = await client.beginAnalyzeDocument(PrebuiltReceiptModel, url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain lines and words
  tables, // extracted tables, organized into cells that contain their contents
  styles, // text styles (ex. handwriting) that were observed in the document
  keyValuePairs, // extracted pairs of elements  (directed associations from one element in the input to another)

  documents // extracted documents (instances of one of the model's document types and its field schema)
} = await poller.pollUntilDone();

// Extract the fields of the first document. These fields constitute a receipt, because we used the receipt model
const [{ fields: receipt }] = documents;

// Since we used the strongly-typed PrebuiltReceiptModel object instead of the "prebuilt-receipt" model ID
// string, the fields of the receipt are strongly-typed and have camelCase names (as opposed to PascalCase).
console.log("The type of this receipt is:", receipt.receiptType?.value);

function beginAnalyzeDocumentFromUrl<Result>(model: DocumentModel<Result>, documentUrl: string, options?: AnalyzeDocumentOptions<Result>): Promise<AnalysisPoller<Result>>

매개 변수

model

DocumentModel<Result>

분석에 사용할 모델 및 예상 출력 형식을 나타내는 DocumentModel

documentUrl

string

공용 인터넷에서 액세스할 수 있는 입력 문서에 대한 URL(문자열)

options

AnalyzeDocumentOptions<Result>

분석 작업 및 폴러에 대한 선택적 설정

반환

Promise<AnalysisPoller<Result>>

결국 을 생성하는 장기 실행 작업(폴러)입니다. AnalyzeResult

beginClassifyDocument(string, FormRecognizerRequestBody, ClassifyDocumentOptions)

ID로 지정된 사용자 지정 분류자를 사용하여 문서를 분류합니다.

이 메서드는 결국 을 생성하는 장기 실행 작업(폴러)을 생성합니다 AnalyzeResult. 이 형식은 및 와 beginAnalyzeDocumentFromUrl동일 beginAnalyzeDocument 하지만 결과에는 해당 필드의 작은 하위 집합만 포함됩니다. documents 필드와 pages 필드만 채워지고 최소 페이지 정보만 반환됩니다. 필드에는 documents 식별된 모든 문서와 docType 분류된 문서에 대한 정보가 포함됩니다.

예제

이 메서드는 Node.JS ReadableStream 개체, 브라우저 ArrayBufferBlob및 s와 같은 스트리밍 가능한 요청 본문(FormRecognizerRequestBody)을 지원합니다. 본문의 내용은 분석을 위해 서비스에 업로드됩니다.

import * as fs from "fs";

const file = fs.createReadStream("path/to/file.pdf");

const poller = await client.beginClassifyDocument("<classifier ID>", file);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain only basic information for classifiers
  documents // extracted documents and their types
} = await poller.pollUntilDone();

// We'll print the documents and their types
for (const { docType } of documents) {
  console.log("The type of this document is:", docType);
}

function beginClassifyDocument(classifierId: string, document: FormRecognizerRequestBody, options?: ClassifyDocumentOptions): Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

매개 변수

classifierId

string

분석에 사용할 사용자 지정 분류자의 ID

document
FormRecognizerRequestBody

분류할 문서

options
ClassifyDocumentOptions

분류 작업에 대한 옵션

반환

Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

결국 을 생성하는 장기 실행 작업(폴러)입니다. AnalyzeResult

beginClassifyDocumentFromUrl(string, string, ClassifyDocumentOptions)

ID로 지정된 사용자 지정 분류자를 사용하여 URL에서 문서를 분류합니다.

이 메서드는 결국 을 생성하는 장기 실행 작업(폴러)을 생성합니다 AnalyzeResult. 이 형식은 및 와 beginAnalyzeDocumentFromUrl동일 beginAnalyzeDocument 하지만 결과에는 해당 필드의 작은 하위 집합만 포함됩니다. documents 필드와 pages 필드만 채워지고 최소 페이지 정보만 반환됩니다. 필드에는 documents 식별된 모든 문서와 docType 분류된 문서에 대한 정보가 포함됩니다.

예제

이 메서드는 지정된 URL의 파일에서 데이터 추출을 지원합니다. Form Recognizer 서비스는 제출된 URL을 사용하여 파일을 다운로드하려고 시도하므로 공용 인터넷에서 URL에 액세스할 수 있어야 합니다. 예를 들어 SAS 토큰을 사용하여 Azure Storage의 Blob에 대한 읽기 권한을 부여할 수 있으며, 서비스는 SAS로 인코딩된 URL을 사용하여 파일을 요청합니다.

// the URL must be publicly accessible
const url = "<file url>";

const poller = await client.beginClassifyDocument("<classifier ID>", url);

// The result is a long-running operation (poller), which must itself be polled until the operation completes
const {
  pages, // pages extracted from the document, which contain only basic information for classifiers
  documents // extracted documents and their types
} = await poller.pollUntilDone();

// We'll print the documents and their types
for (const { docType } of documents) {
  console.log("The type of this document is:", docType);
}

function beginClassifyDocumentFromUrl(classifierId: string, documentUrl: string, options?: ClassifyDocumentOptions): Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>

매개 변수

classifierId

string

분석에 사용할 사용자 지정 분류자의 ID

documentUrl

string

분류할 문서의 URL

options
ClassifyDocumentOptions

반환

Promise<AnalysisPoller<AnalyzeResult<AnalyzedDocument>>>