FormRecognizerClient Klasa
FormRecognizerClient wyodrębnia informacje z formularzy i obrazów do danych strukturalnych. Jest to interfejs używany do analizowania za pomocą wstępnie utworzonych modeli (paragonów, wizytówek, faktur, dokumentów tożsamości), rozpoznawania zawartości/układu z formularzy i analizowania formularzy niestandardowych z wytrenowanych modeli. Udostępnia ona różne metody na podstawie danych wejściowych z adresu URL i danych wejściowych ze strumienia.
Uwaga
Obiekt FormRecognizerClient powinien być używany z wersjami <interfejsu API =v2.1.
Aby użyć interfejsu API w wersji 2022-08-31 i nowszych, utwórz wystąpienie klasy DocumentAnalysisClient.
- Dziedziczenie
-
azure.ai.formrecognizer.aio._form_base_client_async.FormRecognizerClientBaseAsyncFormRecognizerClient
Konstruktor
FormRecognizerClient(endpoint: str, credential: AzureKeyCredential | AsyncTokenCredential, **kwargs: Any)
Parametry
- endpoint
- str
Obsługiwane punkty końcowe usług Cognitive Services (protokół i nazwa hosta, na przykład: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential lub AsyncTokenCredential
Poświadczenia potrzebne klientowi do nawiązania połączenia z platformą Azure. Jest to wystąpienie obiektu AzureKeyCredential, jeśli używasz klucza interfejsu API lub poświadczeń tokenu z identityusługi .
- api_version
- str lub FormRecognizerApiVersion
Wersja interfejsu API usługi do użycia dla żądań. Domyślnie jest to interfejs API w wersji 2.1. Ustawienie starszej wersji może spowodować zmniejszenie zgodności funkcji. Aby użyć najnowszej obsługiwanej wersji interfejsu API i funkcji, zamiast tego utwórz wystąpienie elementu DocumentAnalysisClient.
Przykłady
Tworzenie obiektu FormRecognizerClient przy użyciu punktu końcowego i klucza interfejsu API.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(endpoint, AzureKeyCredential(key))
Tworzenie obiektu FormRecognizerClient przy użyciu poświadczeń tokenu.
"""DefaultAzureCredential will use the values from these environment
variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
"""
from azure.ai.formrecognizer.aio import FormRecognizerClient
from azure.identity.aio import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
form_recognizer_client = FormRecognizerClient(endpoint, credential)
Metody
begin_recognize_business_cards |
Wyodrębnij tekst pola i wartości semantyczne z danej wizytówki. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". Zobacz pola znalezione na wizytówce tutaj: https://aka.ms/formrecognizer/businesscardfields Nowość w wersji 2.1: metoda klienta begin_recognize_business_cards |
begin_recognize_business_cards_from_url |
Wyodrębnij tekst pola i wartości semantyczne z danej wizytówki. Dokument wejściowy musi być lokalizacją (adresem URL) karty do przeanalizowania. Zobacz pola znalezione na wizytówce tutaj: https://aka.ms/formrecognizer/businesscardfields Nowość w wersji 2.1: metoda klienta begin_recognize_business_cards_from_url |
begin_recognize_content |
Wyodrębnij tekst i zawartość/informacje o układzie z danego dokumentu. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". Nowość w wersji 2.1: strony, język i reading_order argumenty słów kluczowych oraz obsługa zawartości obrazu/bmp |
begin_recognize_content_from_url |
Wyodrębnianie informacji o tekście i układzie z danego dokumentu. Dokument wejściowy musi być lokalizacją (adresem URL) dokumentu do przeanalizowania. Nowość w wersji 2.1: strony, język i reading_order argumenty słów kluczowych oraz obsługa zawartości obrazu/bmp |
begin_recognize_custom_forms |
Analizowanie formularza niestandardowego przy użyciu modelu wytrenowanego z etykietami lub bez. Formularz do analizy powinien być tego samego typu co formularze używane do trenowania modelu. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". |
begin_recognize_custom_forms_from_url |
Analizowanie formularza niestandardowego przy użyciu modelu wytrenowanego z etykietami lub bez. Formularz do analizy powinien być tego samego typu co formularze używane do trenowania modelu. Dokument wejściowy musi być lokalizacją (adres URL) dokumentu do przeanalizowania. |
begin_recognize_identity_documents |
Wyodrębnij tekst pola i wartości semantyczne z danego dokumentu tożsamości. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". Zobacz pola znalezione w dokumencie tożsamości tutaj: https://aka.ms/formrecognizer/iddocumentfields Nowość w wersji 2.1: metoda klienta begin_recognize_identity_documents |
begin_recognize_identity_documents_from_url |
Wyodrębnij tekst pola i wartości semantyczne z danego dokumentu tożsamości. Dokument wejściowy musi być lokalizacją (adres URL) dokumentu tożsamości do przeanalizowania. Zobacz pola znalezione w dokumencie tożsamości tutaj: https://aka.ms/formrecognizer/iddocumentfields Nowość w wersji 2.1: metoda klienta begin_recognize_identity_documents_from_url |
begin_recognize_invoices |
Wyodrębnij tekst pola i wartości semantyczne z danej faktury. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". Zobacz pola znalezione na fakturze tutaj: https://aka.ms/formrecognizer/invoicefields Nowość w wersji 2.1: metoda klienta begin_recognize_invoices |
begin_recognize_invoices_from_url |
Wyodrębnij tekst pola i wartości semantyczne z danej faktury. Dokument wejściowy musi być lokalizacją (adresem URL) faktury do przeanalizowania. Zobacz pola znalezione na karcie faktury tutaj: https://aka.ms/formrecognizer/invoicefields Nowość w wersji 2.1: metoda klienta begin_recognize_invoices_from_url |
begin_recognize_receipts |
Wyodrębnij tekst pola i wartości semantyczne z danego paragonu sprzedaży. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp". Zobacz pola znalezione na paragonie tutaj: https://aka.ms/formrecognizer/receiptfields Nowość w wersji 2.1: argument słowa kluczowego ustawień regionalnych i obsługa zawartości image/bmp |
begin_recognize_receipts_from_url |
Wyodrębnij tekst pola i wartości semantyczne z danego paragonu sprzedaży. Dokument wejściowy musi być lokalizacją (adres URL) potwierdzenia do przeanalizowania. Zobacz pola znalezione na paragonie tutaj: https://aka.ms/formrecognizer/receiptfields Nowość w wersji 2.1: argument słowa kluczowego ustawień regionalnych i obsługa zawartości image/bmp |
close |
Zamknij sesję FormRecognizerClient . |
send_request |
Uruchamia żądanie sieciowe przy użyciu istniejącego potoku klienta. Adres URL żądania może być względny względem podstawowego adresu URL. Wersja interfejsu API usługi używana dla żądania jest taka sama jak wersja klienta, chyba że określono inaczej. Zastępowanie skonfigurowanej wersji interfejsu API klienta w względnym adresie URL jest obsługiwane na kliencie z interfejsem API w wersji 2022-08-31 i nowszych. Zastępowanie bezwzględnego adresu URL obsługiwanego na kliencie z dowolną wersją interfejsu API. Ta metoda nie zgłasza się, jeśli odpowiedź jest błędem; aby zgłosić wyjątek, wywołaj metodę raise_for_status() dla zwróconego obiektu odpowiedzi. Aby uzyskać więcej informacji na temat wysyłania żądań niestandardowych za pomocą tej metody, zobacz https://aka.ms/azsdk/dpcodegen/python/send_request. |
begin_recognize_business_cards
Wyodrębnij tekst pola i wartości semantyczne z danej wizytówki. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
Zobacz pola znalezione na wizytówce tutaj: https://aka.ms/formrecognizer/businesscardfields
Nowość w wersji 2.1: metoda klienta begin_recognize_business_cards
async begin_recognize_business_cards(business_card: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- locale
- str
Ustawienia regionalne wizytówki. Obsługiwane ustawienia regionalne to: en-US, en-AU, en-CA, en-GB i en-IN.
- include_field_elements
- bool
Niezależnie od tego, czy należy uwzględnić wszystkie wiersze na stronę i elementy pól, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go zastąpić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji umożliwiający ponowne uruchomienie narzędzia poller z zapisanego stanu.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj wynik() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie wizytówek z pliku.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
form_recognizer_client = FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
async with form_recognizer_client:
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_business_cards(business_card=f, locale="en-US")
business_cards = await poller.result()
for idx, business_card in enumerate(business_cards):
print("--------Recognizing business card #{}--------".format(idx+1))
contact_names = business_card.fields.get("ContactNames")
if contact_names:
for contact_name in contact_names.value:
print("Contact First Name: {} has confidence: {}".format(
contact_name.value["FirstName"].value, contact_name.value["FirstName"].confidence
))
print("Contact Last Name: {} has confidence: {}".format(
contact_name.value["LastName"].value, contact_name.value["LastName"].confidence
))
company_names = business_card.fields.get("CompanyNames")
if company_names:
for company_name in company_names.value:
print("Company Name: {} has confidence: {}".format(company_name.value, company_name.confidence))
departments = business_card.fields.get("Departments")
if departments:
for department in departments.value:
print("Department: {} has confidence: {}".format(department.value, department.confidence))
job_titles = business_card.fields.get("JobTitles")
if job_titles:
for job_title in job_titles.value:
print("Job Title: {} has confidence: {}".format(job_title.value, job_title.confidence))
emails = business_card.fields.get("Emails")
if emails:
for email in emails.value:
print("Email: {} has confidence: {}".format(email.value, email.confidence))
websites = business_card.fields.get("Websites")
if websites:
for website in websites.value:
print("Website: {} has confidence: {}".format(website.value, website.confidence))
addresses = business_card.fields.get("Addresses")
if addresses:
for address in addresses.value:
print("Address: {} has confidence: {}".format(address.value, address.confidence))
mobile_phones = business_card.fields.get("MobilePhones")
if mobile_phones:
for phone in mobile_phones.value:
print("Mobile phone number: {} has confidence: {}".format(phone.value, phone.confidence))
faxes = business_card.fields.get("Faxes")
if faxes:
for fax in faxes.value:
print("Fax number: {} has confidence: {}".format(fax.value, fax.confidence))
work_phones = business_card.fields.get("WorkPhones")
if work_phones:
for work_phone in work_phones.value:
print("Work phone number: {} has confidence: {}".format(work_phone.value, work_phone.confidence))
other_phones = business_card.fields.get("OtherPhones")
if other_phones:
for other_phone in other_phones.value:
print("Other phone number: {} has confidence: {}".format(other_phone.value, other_phone.confidence))
begin_recognize_business_cards_from_url
Wyodrębnij tekst pola i wartości semantyczne z danej wizytówki. Dokument wejściowy musi być lokalizacją (adresem URL) karty do przeanalizowania.
Zobacz pola znalezione na wizytówce tutaj: https://aka.ms/formrecognizer/businesscardfields
Nowość w wersji 2.1: metoda klienta begin_recognize_business_cards_from_url
async begin_recognize_business_cards_from_url(business_card_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- business_card_url
- str
Adres URL wizytówki do przeanalizowania. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
- locale
- str
Ustawienia regionalne wizytówki. Obsługiwane ustawienia regionalne to: en-US, en-AU, en-CA, en-GB i en-IN.
- include_field_elements
- bool
Niezależnie od tego, czy należy uwzględnić wszystkie wiersze na stronę i elementy pól, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji umożliwiający ponowne uruchomienie narzędzia poller z zapisanego stanu.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj wynik() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
begin_recognize_content
Wyodrębnij tekst i zawartość/informacje o układzie z danego dokumentu. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
Nowość w wersji 2.1: strony, język i reading_order argumenty słów kluczowych oraz obsługa zawartości obrazu/bmp
async begin_recognize_content(form: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[FormPage]]
Parametry
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- language
- str
Kod języka BCP-47 tekstu w dokumencie. Zobacz obsługiwane kody języków tutaj: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Zawartość obsługuje automatyczną identyfikację języka i dokumenty wielojęzyczne, dlatego podaj tylko kod języka, jeśli chcesz wymusić przetwarzanie udokumentowanego języka jako określonego języka.
- reading_order
- str
Algorytm kolejności odczytywania w celu sortowania zwracanych wierszy tekstu. Obsługiwane zamówienia odczytu obejmują: podstawową (domyślną), naturalną. Ustaw wartość "podstawowa", aby posortować linie od lewej do prawej i od góry do dołu, chociaż w niektórych przypadkach bliskość jest traktowana z wyższym priorytetem. Ustaw wartość "natural", aby posortować linie przy użyciu informacji pozycyjnych, aby zachować pobliskie linie razem.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go zastąpić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
- continuation_token
- str
Token kontynuacji umożliwiający ponowne uruchomienie narzędzia poller z zapisanego stanu.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj wynik() obiektu poller, aby zwrócić listę[FormPage].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie informacji o tekście i zawartości/układzie z formularza.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_client:
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_content(form=f)
form_pages = await poller.result()
for idx, content in enumerate(form_pages):
print("----Recognizing content from page #{}----".format(idx+1))
print("Page has width: {} and height: {}, measured with unit: {}".format(
content.width,
content.height,
content.unit
))
for table_idx, table in enumerate(content.tables):
print("Table # {} has {} rows and {} columns".format(table_idx, table.row_count, table.column_count))
print("Table # {} location on page: {}".format(table_idx, format_bounding_box(table.bounding_box)))
for cell in table.cells:
print("...Cell[{}][{}] has text '{}' within bounding box '{}'".format(
cell.row_index,
cell.column_index,
cell.text,
format_bounding_box(cell.bounding_box)
))
for line_idx, line in enumerate(content.lines):
print("Line # {} has word count '{}' and text '{}' within bounding box '{}'".format(
line_idx,
len(line.words),
line.text,
format_bounding_box(line.bounding_box)
))
if line.appearance:
if line.appearance.style_name == "handwriting" and line.appearance.style_confidence > 0.8:
print("Text line '{}' is handwritten and might be a signature.".format(line.text))
for word in line.words:
print("...Word '{}' has a confidence of {}".format(word.text, word.confidence))
for selection_mark in content.selection_marks:
print("Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
selection_mark.state,
format_bounding_box(selection_mark.bounding_box),
selection_mark.confidence
))
print("----------------------------------------")
begin_recognize_content_from_url
Wyodrębnianie informacji o tekście i układzie z danego dokumentu. Dokument wejściowy musi być lokalizacją (adresem URL) dokumentu do przeanalizowania.
Nowość w wersji 2.1: strony, język i reading_order argumenty słów kluczowych oraz obsługa zawartości obrazu/bmp
async begin_recognize_content_from_url(form_url: str, **kwargs: Any) -> AsyncLROPoller[List[FormPage]]
Parametry
- form_url
- str
Adres URL formularza do przeanalizowania. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- language
- str
Kod języka BCP-47 tekstu w dokumencie. Zobacz obsługiwane kody języków tutaj: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. Zawartość obsługuje automatyczną identyfikację języka i dokumenty wielojęzyczne, dlatego podaj tylko kod języka, jeśli chcesz wymusić przetwarzanie udokumentowanego języka jako określonego języka.
- reading_order
- str
Algorytm kolejności odczytywania w celu sortowania zwracanych wierszy tekstu. Obsługiwane zamówienia odczytu obejmują: podstawową (domyślną), naturalną. Ustaw wartość "podstawowa", aby posortować linie od lewej do prawej i od góry do dołu, chociaż w niektórych przypadkach bliskość jest traktowana z wyższym priorytetem. Ustaw wartość "natural", aby posortować linie przy użyciu informacji pozycyjnych, aby zachować pobliskie linie razem.
- continuation_token
- str
Token kontynuacji umożliwiający ponowne uruchomienie narzędzia poller z zapisanego stanu.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj wynik() obiektu poller, aby zwrócić listę[FormPage].
Typ zwracany
Wyjątki
begin_recognize_custom_forms
Analizowanie formularza niestandardowego przy użyciu modelu wytrenowanego z etykietami lub bez. Formularz do analizy powinien być tego samego typu co formularze używane do trenowania modelu. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
async begin_recognize_custom_forms(model_id: str, form: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go przesłonić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie pól i wartości z formularza niestandardowego.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
model_id = os.getenv("CUSTOM_TRAINED_MODEL_ID", custom_model_id)
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_client:
# Make sure your form's type is included in the list of form types the custom model can recognize
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_custom_forms(
model_id=model_id, form=f, include_field_elements=True
)
forms = await poller.result()
for idx, form in enumerate(forms):
print("--------Recognizing Form #{}--------".format(idx+1))
print("Form has type {}".format(form.form_type))
print("Form has form type confidence {}".format(form.form_type_confidence))
print("Form was analyzed with model with ID {}".format(form.model_id))
for name, field in form.fields.items():
# each field is of type FormField
# label_data is populated if you are using a model trained without labels,
# since the service needs to make predictions for labels if not explicitly given to it.
if field.label_data:
print("...Field '{}' has label '{}' with a confidence score of {}".format(
name,
field.label_data.text,
field.confidence
))
print("...Label '{}' has value '{}' with a confidence score of {}".format(
field.label_data.text if field.label_data else name, field.value, field.confidence
))
# iterate over tables, lines, and selection marks on each page
for page in form.pages:
for i, table in enumerate(page.tables):
print("\nTable {} on page {}".format(i + 1, table.page_number))
for cell in table.cells:
print("...Cell[{}][{}] has text '{}' with confidence {}".format(
cell.row_index, cell.column_index, cell.text, cell.confidence
))
print("\nLines found on page {}".format(page.page_number))
for line in page.lines:
print("...Line '{}' is made up of the following words: ".format(line.text))
for word in line.words:
print("......Word '{}' has a confidence of {}".format(
word.text,
word.confidence
))
if page.selection_marks:
print("\nSelection marks found on page {}".format(page.page_number))
for selection_mark in page.selection_marks:
print("......Selection mark is '{}' and has a confidence of {}".format(
selection_mark.state,
selection_mark.confidence
))
print("-----------------------------------")
begin_recognize_custom_forms_from_url
Analizowanie formularza niestandardowego przy użyciu modelu wytrenowanego z etykietami lub bez. Formularz do analizy powinien być tego samego typu co formularze używane do trenowania modelu. Dokument wejściowy musi być lokalizacją (adres URL) dokumentu do przeanalizowania.
async begin_recognize_custom_forms_from_url(model_id: str, form_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- form_url
- str
Adres URL formularza do przeanalizowania. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
begin_recognize_identity_documents
Wyodrębnij tekst pola i wartości semantyczne z danego dokumentu tożsamości. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
Zobacz pola znalezione w dokumencie tożsamości tutaj: https://aka.ms/formrecognizer/iddocumentfields
Nowość w wersji 2.1: metoda klienta begin_recognize_identity_documents
async begin_recognize_identity_documents(identity_document: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
Strumień lub bajty typu JPEG, PNG, PDF, TIFF lub BMP.
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go przesłonić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie dokumentów tożsamości z pliku.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_client:
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_identity_documents(identity_document=f)
id_documents = await poller.result()
for idx, id_document in enumerate(id_documents):
print("--------Recognizing ID document #{}--------".format(idx+1))
first_name = id_document.fields.get("FirstName")
if first_name:
print("First Name: {} has confidence: {}".format(first_name.value, first_name.confidence))
last_name = id_document.fields.get("LastName")
if last_name:
print("Last Name: {} has confidence: {}".format(last_name.value, last_name.confidence))
document_number = id_document.fields.get("DocumentNumber")
if document_number:
print("Document Number: {} has confidence: {}".format(document_number.value, document_number.confidence))
dob = id_document.fields.get("DateOfBirth")
if dob:
print("Date of Birth: {} has confidence: {}".format(dob.value, dob.confidence))
doe = id_document.fields.get("DateOfExpiration")
if doe:
print("Date of Expiration: {} has confidence: {}".format(doe.value, doe.confidence))
sex = id_document.fields.get("Sex")
if sex:
print("Sex: {} has confidence: {}".format(sex.value, sex.confidence))
address = id_document.fields.get("Address")
if address:
print("Address: {} has confidence: {}".format(address.value, address.confidence))
country_region = id_document.fields.get("CountryRegion")
if country_region:
print("Country/Region: {} has confidence: {}".format(country_region.value, country_region.confidence))
region = id_document.fields.get("Region")
if region:
print("Region: {} has confidence: {}".format(region.value, region.confidence))
begin_recognize_identity_documents_from_url
Wyodrębnij tekst pola i wartości semantyczne z danego dokumentu tożsamości. Dokument wejściowy musi być lokalizacją (adres URL) dokumentu tożsamości do przeanalizowania.
Zobacz pola znalezione w dokumencie tożsamości tutaj: https://aka.ms/formrecognizer/iddocumentfields
Nowość w wersji 2.1: metoda klienta begin_recognize_identity_documents_from_url
async begin_recognize_identity_documents_from_url(identity_document_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- identity_document_url
- str
Adres URL dokumentu tożsamości do przeanalizowania. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
begin_recognize_invoices
Wyodrębnij tekst pola i wartości semantyczne z danej faktury. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
Zobacz pola znalezione na fakturze tutaj: https://aka.ms/formrecognizer/invoicefields
Nowość w wersji 2.1: metoda klienta begin_recognize_invoices
async begin_recognize_invoices(invoice: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- locale
- str
Ustawienia regionalne faktury. Obsługiwane ustawienia regionalne to: en-US
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go przesłonić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie faktur z pliku.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_client:
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_invoices(invoice=f, locale="en-US")
invoices = await poller.result()
for idx, invoice in enumerate(invoices):
print("--------Recognizing invoice #{}--------".format(idx+1))
vendor_name = invoice.fields.get("VendorName")
if vendor_name:
print("Vendor Name: {} has confidence: {}".format(vendor_name.value, vendor_name.confidence))
vendor_address = invoice.fields.get("VendorAddress")
if vendor_address:
print("Vendor Address: {} has confidence: {}".format(vendor_address.value, vendor_address.confidence))
vendor_address_recipient = invoice.fields.get("VendorAddressRecipient")
if vendor_address_recipient:
print("Vendor Address Recipient: {} has confidence: {}".format(vendor_address_recipient.value, vendor_address_recipient.confidence))
customer_name = invoice.fields.get("CustomerName")
if customer_name:
print("Customer Name: {} has confidence: {}".format(customer_name.value, customer_name.confidence))
customer_id = invoice.fields.get("CustomerId")
if customer_id:
print("Customer Id: {} has confidence: {}".format(customer_id.value, customer_id.confidence))
customer_address = invoice.fields.get("CustomerAddress")
if customer_address:
print("Customer Address: {} has confidence: {}".format(customer_address.value, customer_address.confidence))
customer_address_recipient = invoice.fields.get("CustomerAddressRecipient")
if customer_address_recipient:
print("Customer Address Recipient: {} has confidence: {}".format(customer_address_recipient.value, customer_address_recipient.confidence))
invoice_id = invoice.fields.get("InvoiceId")
if invoice_id:
print("Invoice Id: {} has confidence: {}".format(invoice_id.value, invoice_id.confidence))
invoice_date = invoice.fields.get("InvoiceDate")
if invoice_date:
print("Invoice Date: {} has confidence: {}".format(invoice_date.value, invoice_date.confidence))
invoice_total = invoice.fields.get("InvoiceTotal")
if invoice_total:
print("Invoice Total: {} has confidence: {}".format(invoice_total.value, invoice_total.confidence))
due_date = invoice.fields.get("DueDate")
if due_date:
print("Due Date: {} has confidence: {}".format(due_date.value, due_date.confidence))
purchase_order = invoice.fields.get("PurchaseOrder")
if purchase_order:
print("Purchase Order: {} has confidence: {}".format(purchase_order.value, purchase_order.confidence))
billing_address = invoice.fields.get("BillingAddress")
if billing_address:
print("Billing Address: {} has confidence: {}".format(billing_address.value, billing_address.confidence))
billing_address_recipient = invoice.fields.get("BillingAddressRecipient")
if billing_address_recipient:
print("Billing Address Recipient: {} has confidence: {}".format(billing_address_recipient.value, billing_address_recipient.confidence))
shipping_address = invoice.fields.get("ShippingAddress")
if shipping_address:
print("Shipping Address: {} has confidence: {}".format(shipping_address.value, shipping_address.confidence))
shipping_address_recipient = invoice.fields.get("ShippingAddressRecipient")
if shipping_address_recipient:
print("Shipping Address Recipient: {} has confidence: {}".format(shipping_address_recipient.value, shipping_address_recipient.confidence))
print("Invoice items:")
for idx, item in enumerate(invoice.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_description = item.value.get("Description")
if item_description:
print("......Description: {} has confidence: {}".format(item_description.value, item_description.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
unit = item.value.get("Unit")
if unit:
print("......Unit: {} has confidence: {}".format(unit.value, unit.confidence))
unit_price = item.value.get("UnitPrice")
if unit_price:
print("......Unit Price: {} has confidence: {}".format(unit_price.value, unit_price.confidence))
product_code = item.value.get("ProductCode")
if product_code:
print("......Product Code: {} has confidence: {}".format(product_code.value, product_code.confidence))
item_date = item.value.get("Date")
if item_date:
print("......Date: {} has confidence: {}".format(item_date.value, item_date.confidence))
tax = item.value.get("Tax")
if tax:
print("......Tax: {} has confidence: {}".format(tax.value, tax.confidence))
amount = item.value.get("Amount")
if amount:
print("......Amount: {} has confidence: {}".format(amount.value, amount.confidence))
subtotal = invoice.fields.get("SubTotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
total_tax = invoice.fields.get("TotalTax")
if total_tax:
print("Total Tax: {} has confidence: {}".format(total_tax.value, total_tax.confidence))
previous_unpaid_balance = invoice.fields.get("PreviousUnpaidBalance")
if previous_unpaid_balance:
print("Previous Unpaid Balance: {} has confidence: {}".format(previous_unpaid_balance.value, previous_unpaid_balance.confidence))
amount_due = invoice.fields.get("AmountDue")
if amount_due:
print("Amount Due: {} has confidence: {}".format(amount_due.value, amount_due.confidence))
service_start_date = invoice.fields.get("ServiceStartDate")
if service_start_date:
print("Service Start Date: {} has confidence: {}".format(service_start_date.value, service_start_date.confidence))
service_end_date = invoice.fields.get("ServiceEndDate")
if service_end_date:
print("Service End Date: {} has confidence: {}".format(service_end_date.value, service_end_date.confidence))
service_address = invoice.fields.get("ServiceAddress")
if service_address:
print("Service Address: {} has confidence: {}".format(service_address.value, service_address.confidence))
service_address_recipient = invoice.fields.get("ServiceAddressRecipient")
if service_address_recipient:
print("Service Address Recipient: {} has confidence: {}".format(service_address_recipient.value, service_address_recipient.confidence))
remittance_address = invoice.fields.get("RemittanceAddress")
if remittance_address:
print("Remittance Address: {} has confidence: {}".format(remittance_address.value, remittance_address.confidence))
remittance_address_recipient = invoice.fields.get("RemittanceAddressRecipient")
if remittance_address_recipient:
print("Remittance Address Recipient: {} has confidence: {}".format(remittance_address_recipient.value, remittance_address_recipient.confidence))
begin_recognize_invoices_from_url
Wyodrębnij tekst pola i wartości semantyczne z danej faktury. Dokument wejściowy musi być lokalizacją (adresem URL) faktury do przeanalizowania.
Zobacz pola znalezione na karcie faktury tutaj: https://aka.ms/formrecognizer/invoicefields
Nowość w wersji 2.1: metoda klienta begin_recognize_invoices_from_url
async begin_recognize_invoices_from_url(invoice_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- invoice_url
- str
Adres URL faktury do analizy. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
- locale
- str
Ustawienia regionalne faktury. Obsługiwane ustawienia regionalne to: en-US
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
begin_recognize_receipts
Wyodrębnij tekst pola i wartości semantyczne z danego paragonu sprzedaży. Dokument wejściowy musi być jednym z obsługiwanych typów zawartości — "application/pdf", "image/jpeg", "image/png", "image/tiff" lub "image/bmp".
Zobacz pola znalezione na paragonie tutaj: https://aka.ms/formrecognizer/receiptfields
Nowość w wersji 2.1: argument słowa kluczowego ustawień regionalnych i obsługa zawartości image/bmp
async begin_recognize_receipts(receipt: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- content_type
- str lub FormContentType
Typ zawartości treści wysyłanej do interfejsu API. Typ zawartości jest wykrywany automatycznie, ale można go przesłonić, przekazując ten argument słowa kluczowego. Aby uzyskać informacje o opcjach, zobacz FormContentType.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
- locale
- str
Ustawienia regionalne paragonu. Obsługiwane ustawienia regionalne to: en-US, en-AU, en-CA, en-GB i en-IN.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie pól paragonu sprzedaży.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_client:
with open(path_to_sample_forms, "rb") as f:
poller = await form_recognizer_client.begin_recognize_receipts(receipt=f, locale="en-US")
receipts = await poller.result()
for idx, receipt in enumerate(receipts):
print("--------Recognizing receipt #{}--------".format(idx+1))
receipt_type = receipt.fields.get("ReceiptType")
if receipt_type:
print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
merchant_name = receipt.fields.get("MerchantName")
if merchant_name:
print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
transaction_date = receipt.fields.get("TransactionDate")
if transaction_date:
print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
if receipt.fields.get("Items"):
print("Receipt items:")
for idx, item in enumerate(receipt.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_name = item.value.get("Name")
if item_name:
print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
item_price = item.value.get("Price")
if item_price:
print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
item_total_price = item.value.get("TotalPrice")
if item_total_price:
print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
subtotal = receipt.fields.get("Subtotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
tax = receipt.fields.get("Tax")
if tax:
print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
tip = receipt.fields.get("Tip")
if tip:
print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
total = receipt.fields.get("Total")
if total:
print("Total: {} has confidence: {}".format(total.value, total.confidence))
print("--------------------------------------")
begin_recognize_receipts_from_url
Wyodrębnij tekst pola i wartości semantyczne z danego paragonu sprzedaży. Dokument wejściowy musi być lokalizacją (adres URL) potwierdzenia do przeanalizowania.
Zobacz pola znalezione na paragonie tutaj: https://aka.ms/formrecognizer/receiptfields
Nowość w wersji 2.1: argument słowa kluczowego ustawień regionalnych i obsługa zawartości image/bmp
async begin_recognize_receipts_from_url(receipt_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]
Parametry
- receipt_url
- str
Adres URL potwierdzenia do przeanalizowania. Dane wejściowe muszą być prawidłowym, zakodowanym adresem URL jednego z obsługiwanych formatów: JPEG, PNG, PDF, TIFF lub BMP.
- include_field_elements
- bool
Określa, czy mają być uwzględniane wszystkie wiersze na elementy strony i pola, takie jak wiersze, wyrazy i znaczniki zaznaczenia dla każdego pola formularza.
- continuation_token
- str
Token kontynuacji w celu ponownego uruchomienia bazy danych poller ze stanu zapisanego.
- locale
- str
Ustawienia regionalne paragonu. Obsługiwane ustawienia regionalne to: en-US, en-AU, en-CA, en-GB i en-IN.
Niestandardowe numery stron dla dokumentów wielostronicowych (PDF/TIFF). Wprowadź numery stron i/lub zakresy stron, które chcesz uzyskać w wyniku. W przypadku zakresu stron użyj łącznika, takiego jak pages=["1-3", "5-6"]. Oddziel każdy numer strony lub zakres przecinkiem.
Zwraca
Wystąpienie AsyncLROPoller. Wywołaj metodę result() obiektu poller, aby zwrócić listę[RecognizedForm].
Typ zwracany
Wyjątki
Przykłady
Rozpoznawanie pól paragonu sprzedaży z adresu URL.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer.aio import FormRecognizerClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
async with FormRecognizerClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
) as form_recognizer_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 form_recognizer_client.begin_recognize_receipts_from_url(receipt_url=url)
receipts = await poller.result()
for idx, receipt in enumerate(receipts):
print("--------Recognizing receipt #{}--------".format(idx+1))
receipt_type = receipt.fields.get("ReceiptType")
if receipt_type:
print("Receipt Type: {} has confidence: {}".format(receipt_type.value, receipt_type.confidence))
merchant_name = receipt.fields.get("MerchantName")
if merchant_name:
print("Merchant Name: {} has confidence: {}".format(merchant_name.value, merchant_name.confidence))
transaction_date = receipt.fields.get("TransactionDate")
if transaction_date:
print("Transaction Date: {} has confidence: {}".format(transaction_date.value, transaction_date.confidence))
if receipt.fields.get("Items"):
print("Receipt items:")
for idx, item in enumerate(receipt.fields.get("Items").value):
print("...Item #{}".format(idx+1))
item_name = item.value.get("Name")
if item_name:
print("......Item Name: {} has confidence: {}".format(item_name.value, item_name.confidence))
item_quantity = item.value.get("Quantity")
if item_quantity:
print("......Item Quantity: {} has confidence: {}".format(item_quantity.value, item_quantity.confidence))
item_price = item.value.get("Price")
if item_price:
print("......Individual Item Price: {} has confidence: {}".format(item_price.value, item_price.confidence))
item_total_price = item.value.get("TotalPrice")
if item_total_price:
print("......Total Item Price: {} has confidence: {}".format(item_total_price.value, item_total_price.confidence))
subtotal = receipt.fields.get("Subtotal")
if subtotal:
print("Subtotal: {} has confidence: {}".format(subtotal.value, subtotal.confidence))
tax = receipt.fields.get("Tax")
if tax:
print("Tax: {} has confidence: {}".format(tax.value, tax.confidence))
tip = receipt.fields.get("Tip")
if tip:
print("Tip: {} has confidence: {}".format(tip.value, tip.confidence))
total = receipt.fields.get("Total")
if total:
print("Total: {} has confidence: {}".format(total.value, total.confidence))
print("--------------------------------------")
close
send_request
Uruchamia żądanie sieciowe przy użyciu istniejącego potoku klienta.
Adres URL żądania może być względny względem podstawowego adresu URL. Wersja interfejsu API usługi używana dla żądania jest taka sama jak wersja klienta, chyba że określono inaczej. Zastępowanie skonfigurowanej wersji interfejsu API klienta w względnym adresie URL jest obsługiwane na kliencie z interfejsem API w wersji 2022-08-31 i nowszych. Zastępowanie bezwzględnego adresu URL obsługiwanego na kliencie z dowolną wersją interfejsu API. Ta metoda nie zgłasza się, jeśli odpowiedź jest błędem; aby zgłosić wyjątek, wywołaj metodę raise_for_status() dla zwróconego obiektu odpowiedzi. Aby uzyskać więcej informacji na temat wysyłania żądań niestandardowych za pomocą tej metody, zobacz https://aka.ms/azsdk/dpcodegen/python/send_request.
async send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> AsyncHttpResponse
Parametry
Zwraca
Odpowiedź połączenia sieciowego. Nie obsługuje błędów w odpowiedzi.
Typ zwracany
Wyjątki
Azure SDK for Python