FormRecognizerClient Classe
FormRecognizerClient extrai informações de formulários e imagens em dados estruturados. É a interface a ser usada para analisar com modelos predefinidos (recibos, cartões de visita, faturas, documentos de identidade), reconhecer conteúdo/layout de formulários e analisar formulários personalizados de modelos treinados. Ele fornece métodos diferentes com base em entradas de uma URL e entradas de um fluxo.
Observação
FormRecognizerClient deve ser usado com versões <de API =v2.1.
Para usar as versões de API 2022-08-31 e posteriores, instancie um DocumentAnalysisClient.
- Herança
-
azure.ai.formrecognizer.aio._form_base_client_async.FormRecognizerClientBaseAsyncFormRecognizerClient
Construtor
FormRecognizerClient(endpoint: str, credential: AzureKeyCredential | AsyncTokenCredential, **kwargs: Any)Parâmetros
- endpoint
- str
Pontos de extremidade dos Serviços Cognitivos com suporte (protocolo e nome do host, por exemplo: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential ou AsyncTokenCredential
Credenciais necessárias para que o cliente se conecte ao Azure. Essa é uma instância de AzureKeyCredential se estiver usando uma chave de API ou uma credencial de token de identity.
- api_version
- str ou FormRecognizerApiVersion
A versão da API do serviço a ser usada para solicitações. Ele usa como padrão a versão v2.1 da API. A configuração para uma versão mais antiga pode resultar em redução da compatibilidade de recursos. Para usar a versão e os recursos mais recentes da API com suporte, crie uma instância de um DocumentAnalysisClient.
Exemplos
Criando o FormRecognizerClient com um ponto de extremidade e uma chave de 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))
Criando o FormRecognizerClient com uma credencial de 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 FormRecognizerClient
from azure.identity.aio import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
form_recognizer_client = FormRecognizerClient(endpoint, credential)
Métodos
| begin_recognize_business_cards |
Extraia texto do campo e valores semânticos de um determinado cartão de negócios. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. Veja os campos encontrados em um cartão de negócios aqui:https://aka.ms/formrecognizer/businesscardfields Novo na versão v2.1: o método cliente begin_recognize_business_cards |
| begin_recognize_business_cards_from_url |
Extraia texto do campo e valores semânticos de um determinado cartão de negócios. O documento de entrada deve ser o local (URL) do cartão a ser analisado. Veja os campos encontrados em um cartão de negócios aqui:https://aka.ms/formrecognizer/businesscardfields Novo na versão v2.1: o método cliente begin_recognize_business_cards_from_url |
| begin_recognize_content |
Extraia informações de texto e conteúdo/layout de um determinado documento. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. Novidades na versão v2.1: as páginas, idioma e reading_order palavra-chave argumentos e suporte para conteúdo de imagem/bmp |
| begin_recognize_content_from_url |
Extrair informações de texto e layout de um determinado documento. O documento de entrada deve ser o local (URL) do documento a ser analisado. Novidades na versão v2.1: as páginas, idioma e reading_order palavra-chave argumentos e suporte para conteúdo de imagem/bmp |
| begin_recognize_custom_forms |
Analise um formulário personalizado com um modelo treinado com ou sem rótulos. O formulário a ser analisado deve ser do mesmo tipo que os formulários usados para treinar o modelo. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. |
| begin_recognize_custom_forms_from_url |
Analise um formulário personalizado com um modelo treinado com ou sem rótulos. O formulário a ser analisado deve ser do mesmo tipo que os formulários usados para treinar o modelo. O documento de entrada deve ser o local (URL) do documento a ser analisado. |
| begin_recognize_identity_documents |
Extraia texto do campo e valores semânticos de um determinado documento de identidade. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. Veja os campos encontrados em um documento de identidade aqui: https://aka.ms/formrecognizer/iddocumentfields Novo na versão v2.1: o método de cliente begin_recognize_identity_documents |
| begin_recognize_identity_documents_from_url |
Extraia texto do campo e valores semânticos de um determinado documento de identidade. O documento de entrada deve ser o local (URL) do documento de identidade a ser analisado. Veja os campos encontrados em um documento de identidade aqui: https://aka.ms/formrecognizer/iddocumentfields Novo na versão v2.1: o método de cliente begin_recognize_identity_documents_from_url |
| begin_recognize_invoices |
Extraia texto do campo e valores semânticos de uma determinada fatura. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. Veja os campos encontrados em uma fatura aqui: https://aka.ms/formrecognizer/invoicefields Novo na versão v2.1: o método de cliente begin_recognize_invoices |
| begin_recognize_invoices_from_url |
Extraia texto do campo e valores semânticos de uma determinada fatura. O documento de entrada deve ser o local (URL) da fatura a ser analisada. Veja os campos encontrados em uma fatura cartão aqui:https://aka.ms/formrecognizer/invoicefields Novo na versão v2.1: o método de cliente begin_recognize_invoices_from_url |
| begin_recognize_receipts |
Extraia texto do campo e valores semânticos de um determinado recibo de vendas. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'. Veja os campos encontrados em um recibo aqui: https://aka.ms/formrecognizer/receiptfields Novo na versão v2.1: a localidade palavra-chave argumento e suporte para conteúdo de imagem/bmp |
| begin_recognize_receipts_from_url |
Extraia texto do campo e valores semânticos de um determinado recibo de vendas. O documento de entrada deve ser o local (URL) do recibo a ser analisado. Veja os campos encontrados em um recibo aqui: https://aka.ms/formrecognizer/receiptfields Novo na versão v2.1: a localidade palavra-chave argumento e suporte para conteúdo de imagem/bmp |
| close |
Feche a FormRecognizerClient sessão. |
| send_request |
Executa uma solicitação de rede usando o pipeline existente do cliente. A URL de solicitação pode ser relativa à URL base. A versão da API de serviço usada para a solicitação é a mesma do cliente, a menos que especificado de outra forma. A substituição da versão da API configurada do cliente na URL relativa tem suporte no cliente com a versão da API 2022-08-31 e posterior. Substituição em URL absoluta com suporte no cliente com qualquer versão de API. Esse método não será gerado se a resposta for um erro; para gerar uma exceção, chame raise_for_status() no objeto de resposta retornado. Para obter mais informações sobre como enviar solicitações personalizadas com esse método, consulte https://aka.ms/azsdk/dpcodegen/python/send_request. |
begin_recognize_business_cards
Extraia texto do campo e valores semânticos de um determinado cartão de negócios. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
Veja os campos encontrados em um cartão de negócios aqui:https://aka.ms/formrecognizer/businesscardfields
Novo na versão v2.1: o método cliente begin_recognize_business_cards
async begin_recognize_business_cards(business_card: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
JPEG, PNG, PDF, TIFF ou fluxo de arquivo de tipo BMP ou bytes.
- locale
- str
Localidade do cartão comercial. As localidades com suporte incluem: en-US, en-AU, en-CA, en-GB e en-IN.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer cartões de visita de um arquivo.
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
Extraia texto do campo e valores semânticos de um determinado cartão de negócios. O documento de entrada deve ser o local (URL) do cartão a ser analisado.
Veja os campos encontrados em um cartão de negócios aqui:https://aka.ms/formrecognizer/businesscardfields
Novo na versão v2.1: o método cliente begin_recognize_business_cards_from_url
async begin_recognize_business_cards_from_url(business_card_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- business_card_url
- str
A URL da empresa cartão a ser analisada. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
- locale
- str
Localidade do cartão comercial. As localidades com suporte incluem: en-US, en-AU, en-CA, en-GB e en-IN.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
begin_recognize_content
Extraia informações de texto e conteúdo/layout de um determinado documento. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
Novidades na versão v2.1: as páginas, idioma e reading_order palavra-chave argumentos e suporte para conteúdo de imagem/bmp
async begin_recognize_content(form: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[FormPage]]Parâmetros
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- language
- str
O código de idioma BCP-47 do texto no documento. Confira os códigos de idioma com suporte aqui: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. O conteúdo dá suporte à identificação automática de idioma e a documentos de várias linguagens, portanto, forneça apenas um código de idioma se você quiser forçar o documentado a ser processado como esse idioma específico.
- reading_order
- str
Algoritmo de ordem de leitura para classificar as linhas de texto retornadas. Os pedidos de leitura com suporte incluem: básico (padrão), natural. Defina 'básico' para classificar linhas da esquerda para a direita e de cima para baixo, embora, em alguns casos, a proximidade seja tratada com prioridade mais alta. Defina 'natural' para classificar linhas usando informações posicionais para manter as linhas próximas juntas.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[FormPage].
Tipo de retorno
Exceções
Exemplos
Reconhecer informações de texto e conteúdo/layout de um formulário.
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
Extrair informações de texto e layout de um determinado documento. O documento de entrada deve ser o local (URL) do documento a ser analisado.
Novidades na versão v2.1: as páginas, idioma e reading_order palavra-chave argumentos e suporte para conteúdo de imagem/bmp
async begin_recognize_content_from_url(form_url: str, **kwargs: Any) -> AsyncLROPoller[List[FormPage]]Parâmetros
- form_url
- str
A URL do formulário a ser analisado. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- language
- str
O código de idioma BCP-47 do texto no documento. Confira os códigos de idioma com suporte aqui: https://docs.microsoft.com/azure/cognitive-services/form-recognizer/language-support. O conteúdo dá suporte à identificação automática de idioma e a documentos de várias linguagens, portanto, forneça apenas um código de idioma se você quiser forçar o documentado a ser processado como esse idioma específico.
- reading_order
- str
Algoritmo de ordem de leitura para classificar as linhas de texto retornadas. Os pedidos de leitura com suporte incluem: básico (padrão), natural. Defina 'básico' para classificar linhas da esquerda para a direita e de cima para baixo, embora, em alguns casos, a proximidade seja tratada com prioridade mais alta. Defina 'natural' para classificar linhas usando informações posicionais para manter as linhas próximas juntas.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[FormPage].
Tipo de retorno
Exceções
begin_recognize_custom_forms
Analise um formulário personalizado com um modelo treinado com ou sem rótulos. O formulário a ser analisado deve ser do mesmo tipo que os formulários usados para treinar o modelo. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
async begin_recognize_custom_forms(model_id: str, form: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer campos e valores de um formulário personalizado.
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
Analise um formulário personalizado com um modelo treinado com ou sem rótulos. O formulário a ser analisado deve ser do mesmo tipo que os formulários usados para treinar o modelo. O documento de entrada deve ser o local (URL) do documento a ser analisado.
async begin_recognize_custom_forms_from_url(model_id: str, form_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- form_url
- str
A URL do formulário a ser analisado. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
begin_recognize_identity_documents
Extraia texto do campo e valores semânticos de um determinado documento de identidade. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
Veja os campos encontrados em um documento de identidade aqui: https://aka.ms/formrecognizer/iddocumentfields
Novo na versão v2.1: o método de cliente begin_recognize_identity_documents
async begin_recognize_identity_documents(identity_document: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
JPEG, PNG, PDF, TIFF ou fluxo de arquivo de tipo BMP ou bytes.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer documentos de identidade de um arquivo.
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
Extraia texto do campo e valores semânticos de um determinado documento de identidade. O documento de entrada deve ser o local (URL) do documento de identidade a ser analisado.
Veja os campos encontrados em um documento de identidade aqui: https://aka.ms/formrecognizer/iddocumentfields
Novo na versão v2.1: o método de cliente begin_recognize_identity_documents_from_url
async begin_recognize_identity_documents_from_url(identity_document_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- identity_document_url
- str
A URL do documento de identidade a ser analisado. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
begin_recognize_invoices
Extraia texto do campo e valores semânticos de uma determinada fatura. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
Veja os campos encontrados em uma fatura aqui: https://aka.ms/formrecognizer/invoicefields
Novo na versão v2.1: o método de cliente begin_recognize_invoices
async begin_recognize_invoices(invoice: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
JPEG, PNG, PDF, TIFF ou fluxo de arquivo de tipo BMP ou bytes.
- locale
- str
Localidade da fatura. As localidades com suporte incluem: en-US
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer faturas de um arquivo.
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
Extraia texto do campo e valores semânticos de uma determinada fatura. O documento de entrada deve ser o local (URL) da fatura a ser analisada.
Veja os campos encontrados em uma fatura cartão aqui:https://aka.ms/formrecognizer/invoicefields
Novo na versão v2.1: o método de cliente begin_recognize_invoices_from_url
async begin_recognize_invoices_from_url(invoice_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- invoice_url
- str
A URL da fatura a ser analisada. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
- locale
- str
Localidade da fatura. As localidades com suporte incluem: en-US
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
begin_recognize_receipts
Extraia texto do campo e valores semânticos de um determinado recibo de vendas. O documento de entrada deve ser de um dos tipos de conteúdo com suporte : 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff' ou 'image/bmp'.
Veja os campos encontrados em um recibo aqui: https://aka.ms/formrecognizer/receiptfields
Novo na versão v2.1: a localidade palavra-chave argumento e suporte para conteúdo de imagem/bmp
async begin_recognize_receipts(receipt: bytes | IO[bytes], **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
JPEG, PNG, PDF, TIFF ou fluxo de arquivo de tipo BMP ou bytes.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- content_type
- str ou FormContentType
Tipo de conteúdo do corpo enviado para a API. O tipo de conteúdo é detectado automaticamente, mas pode ser substituído passando esse argumento palavra-chave. Para obter opções, consulte FormContentType.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
- locale
- str
Localidade do recibo. As localidades com suporte incluem: en-US, en-AU, en-CA, en-GB e en-IN.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer campos de recibo de vendas.
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
Extraia texto do campo e valores semânticos de um determinado recibo de vendas. O documento de entrada deve ser o local (URL) do recibo a ser analisado.
Veja os campos encontrados em um recibo aqui: https://aka.ms/formrecognizer/receiptfields
Novo na versão v2.1: a localidade palavra-chave argumento e suporte para conteúdo de imagem/bmp
async begin_recognize_receipts_from_url(receipt_url: str, **kwargs: Any) -> AsyncLROPoller[List[RecognizedForm]]Parâmetros
- receipt_url
- str
A URL do recibo a ser analisado. A entrada deve ser uma URL válida e codificada de um dos formatos com suporte: JPEG, PNG, PDF, TIFF ou BMP.
- include_field_elements
- bool
Se deve ou não incluir todas as linhas por página e elementos de campo, como linhas, palavras e marcas de seleção para cada campo de formulário.
- continuation_token
- str
Um token de continuação para reiniciar um sondador de um estado salvo.
- locale
- str
Localidade do recibo. As localidades com suporte incluem: en-US, en-AU, en-CA, en-GB e en-IN.
Números de página personalizados para documentos de várias páginas (PDF/TIFF). Insira os números de página e/ou intervalos de páginas que você deseja obter no resultado. Para um intervalo de páginas, use um hífen, como pages=["1-3", "5-6"]. Separe cada número de página ou intervalo com uma vírgula.
Retornos
Uma instância de um AsyncLROPoller. Chame result() no objeto poller para retornar uma lista[RecognizedForm].
Tipo de retorno
Exceções
Exemplos
Reconhecer campos de recibo de vendas de uma 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
Executa uma solicitação de rede usando o pipeline existente do cliente.
A URL de solicitação pode ser relativa à URL base. A versão da API de serviço usada para a solicitação é a mesma do cliente, a menos que especificado de outra forma. A substituição da versão da API configurada do cliente na URL relativa tem suporte no cliente com a versão da API 2022-08-31 e posterior. Substituição em URL absoluta com suporte no cliente com qualquer versão de API. Esse método não será gerado se a resposta for um erro; para gerar uma exceção, chame raise_for_status() no objeto de resposta retornado. Para obter mais informações sobre como enviar solicitações personalizadas com esse método, consulte https://aka.ms/azsdk/dpcodegen/python/send_request.
async send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> AsyncHttpResponseParâmetros
Retornos
A resposta da chamada de rede. Não faz tratamento de erros em sua resposta.
Tipo de retorno
Exceções
Azure SDK for Python
Comentários
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulte https://aka.ms/ContentUserFeedback.
Enviar e exibir comentários de