Belge Yönetim Bilgileri modellerini kullanma

Bu içerik şunlar için geçerlidir:v4.0 (önizleme) | Önceki sürümler:v3.1 (GA)v3.0 (GA)v2.1 (GA)

Bu kılavuzda, uygulamalarınıza ve iş akışlarınıza Belge Zekası modelleri eklemeyi öğrenin. İstediğiniz programlama dili SDK'sını veya REST API'yi kullanın.

Azure AI Belge Zekası, belgelerden önemli metinleri ve yapı öğelerini ayıklamak için makine öğrenmesi kullanan bulut tabanlı bir Azure AI hizmetidir. Teknolojiyi öğrenirken ücretsiz hizmeti kullanmanızı öneririz. Ücretsiz sayfa sayısının ayda 500 ile sınırlı olduğunu unutmayın.

Aşağıdaki Belge Zekası modellerinden birini seçin ve formlardan ve belgelerden veri ve değerleri analiz edip ayıklayın:

• Önceden oluşturulmuş okuma modeli tüm Belge Zekası modellerinin temelini oluşturur ve satırları, sözcükleri, konumları ve dilleri algılayabilir. Düzen, genel belge, önceden oluşturulmuş ve özel modellerin read tümü, belgelerden metin ayıklamak için temel olarak modeli kullanır.

• Önceden oluşturulmuş düzen modeli, belgelerden ve görüntülerden metin ve metin konumlarını, tabloları, seçim işaretlerini ve yapı bilgilerini ayıklar. İsteğe bağlı sorgu dizesi parametresi features=keyValuePairs etkinleştirilmiş düzen modelini kullanarak anahtar/değer çiftlerini ayıklayabilirsiniz.

• Önceden oluşturulmuş sözleşme modeli, sözleşme sözleşmelerinden önemli bilgileri ayıklar.

• prebuilt-healthInsuranceCard.us modeli, ABD sağlık sigortası kartlarından önemli bilgileri ayıklar.

• Önceden oluşturulmuş vergi belgesi modelleri modeli, ABD vergi formlarında bildirilen bilgileri ayıklar.

• Önceden oluşturulmuş fatura modeli, satış faturalarındaki önemli alanları ve satır öğelerini çeşitli biçimlerde ve kalitede ayıklar. Alanlar arasında telefon tarafından yakalanan görüntüler, taranan belgeler ve dijital PDF'ler bulunur.

• Önceden oluşturulmuş makbuz modeli, yazdırılan ve el yazısı satış makbuzlarından önemli bilgileri ayıklar.

• Önceden oluşturulmuş-idDocument modeli ABD sürücü lisanslarından, uluslararası pasaport biyografi sayfalarından, ABD eyalet kimliklerinden, sosyal güvenlik kartlarından ve kalıcı yerleşik kartlardan önemli bilgileri ayıklar.

Önkoşullar

• Azure aboneliği - Ücretsiz bir abonelik oluşturun.

• Visual Studio IDE.

• Azure AI hizmetleri veya Belge Zekası kaynağı. Tek hizmetli veya çok hizmetli bir oluşturma. Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

• Uygulamanızı Azure Belge Zekası hizmetine bağlamak için oluşturduğunuz kaynaktan alınan anahtar ve uç nokta.

  1. Kaynağınız dağıtıldıktan sonra Kaynağa git'i seçin.
  2. Sol gezinti menüsünde Anahtarlar ve Uç Nokta'yı seçin.
  3. Bu makalenin devamında kullanmak üzere anahtarlardan birini ve Uç Nokta'yı kopyalayın.

  

• URL konumundaki bir belge dosyası. Bu proje için, her özellik için aşağıdaki tabloda sağlanan örnek formları kullanabilirsiniz:

  Özellik	modelKIMİ	belge url'si
  Modeli okuma	önceden oluşturulmuş okuma	Örnek broşür
  Düzen modeli	önceden oluşturulmuş düzen	Örnek rezervasyon onayı
  W-2 form modeli	prebuilt-tax.us.w2	Örnek W-2 formu
  Fatura modeli	önceden oluşturulmuş fatura	Örnek fatura
  Makbuz modeli	önceden oluşturulmuş makbuz	Örnek alındı bilgisi
  Kimlik belgesi modeli	prebuilt-idDocument	Örnek Kimlik belgesi
  Kartvizit modeli	önceden oluşturulmuş businessCard	Örnek kartvizit

Ortam değişkenlerinizi ayarlama

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentAnalysisClient oluşturmanız gerekir. Bunu yapmak için azure portalından ve endpoint ile key istemcinin örneğini oluşturun. Bu projede, kimlik bilgilerini depolamak ve bunlara erişmek için ortam değişkenlerini kullanın.

Önemli

Anahtarınızı doğrudan koda eklemeyin ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamak ve erişmek için güvenli bir yol kullanın. Daha fazla bilgi için bkz . Azure AI hizmetleri güvenliği.

Belge Yönetim Bilgileri kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminizle geliştirme ortamınıza yönelik yönergeleri izleyin. YourKey> ve< yourEndpoint> değerlerini Azure portalındaki kaynağınızdaki değerlerle değiştirin.<

Windows

Windows'taki ortam değişkenleri büyük/küçük harfe duyarlı değildir. Bunlar genellikle büyük harfle bildirilerek sözcükler alt çizgiyle birleştirilir. Komut isteminde aşağıdaki komutları çalıştırın:

1. Anahtar değişkeninizi ayarlayın:

   setx DI_KEY <yourKey>
   

2. Uç nokta değişkeninizi ayarlama

   setx DI_ENDPOINT <yourEndpoint>
   

3. Ortam değişkenlerinizi ayarladıktan sonra Komut İstemi penceresini kapatın. Değerler siz yeniden değiştirene kadar kalır.

4. Ortam değişkenini okuyan tüm çalışan programları yeniden başlatın. Örneğin, düzenleyici olarak Visual Studio veya Visual Studio Code kullanıyorsanız, örnek kodu çalıştırmadan önce yeniden başlatın.

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
setx VARIABLE_NAME=	Değeri boş bir dizeye ayarlayarak ortam değişkenini silin.	setx DI_KEY=
setx VARIABLE_NAME=value	Ortam değişkeninin değerini ayarlayın veya değiştirin.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin.	set DI_KEY
set	Tüm ortam değişkenlerini görüntüleyin.	set

macOS

macOS'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer. Terminalinizi açın ve aşağıdaki komutları girin:

1. Anahtar değişkeninizi ayarlayın:

   export key=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export endpoint=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bash_profile başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bash_profile dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Örnek: export DI_KEY="<yourKey>"

2. Değişikliklerinizi bash_profile dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bash-profile
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Linux

Linux'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer:

1. Anahtar değişkeninizi ayarlayın:

   export DI_KEY=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export DI_ENDPOINT=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bashrc başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bashrc dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export <VARIABLE>=<value>
   

   Örnek: export DI_KEY=<yourKey>

2. Değişikliklerinizi .bashrc dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bashrc
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY=
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Ortam değişkeninin değerini görüntüleme. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Programlama ortamınızı ayarlama

1. Visual Studio’yu çalıştırın.

2. Başlangıç sayfasında Yeni proje oluştur'u seçin.

   

3. Yeni proje oluştur sayfasında, arama kutusuna konsol yazın. Konsol Uygulaması şablonunu ve ardından İleri'yi seçin.

   

4. Yeni projenizi yapılandırın sayfasında, Proje adı'nın altına docIntelligence_app girin. Sonra İleri'yi seçin.

   

5. Ek bilgiler sayfasında .NET 8.0 (Uzun süreli destek) öğesini ve ardından Oluştur'u seçin.

   

NuGet ile istemci kitaplığını yükleme

1. docIntelligence_app projenize sağ tıklayın ve NuGet Paketlerini Yönet... öğesini seçin.

   

2. Gözat sekmesini seçin ve Azure.AI.FormRecognizer yazın.

   

3. Açılan menüden bir sürüm seçin ve paketi projenize yükleyin.

Uygulamanızı derleme

Not

.NET 6'dan başlayarak, şablonu kullanan console yeni projeler önceki sürümlerden farklı yeni bir program stili oluşturur. Yeni çıkış, yazmanız gereken kodu basitleştiren son C# özelliklerini kullanır.

Daha yeni sürümü kullandığınızda, yalnızca yönteminin gövdesini Main yazmanız gerekir. Üst düzey deyimleri, genel using yönergelerini veya örtük using yönergelerini eklemeniz gerekmez. Daha fazla bilgi için bkz . C# konsol uygulaması şablonu üst düzey deyimler oluşturur.

1. Program.cs dosyasını açın.

2. satırı Console.Writeline("Hello World!")da dahil olmak üzere önceden var olan kodu silin.

3. Aşağıdaki kod örneklerinden birini seçin ve uygulamanızın Program.cs dosyasına kopyalayın/yapıştırın:

   • önceden oluşturulmuş okuma
   • önceden oluşturulmuş düzen
   • prebuilt-tax.us.w2
   • önceden oluşturulmuş fatura
   • önceden oluşturulmuş makbuz
   • prebuilt-idDocument

4. Uygulamanıza bir kod örneği ekledikten sonra, programınızı derlemek ve çalıştırmak için proje adının yanındaki yeşil Başlangıç düğmesini seçin veya F5 tuşuna basın.

   

Okuma modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

//sample document
Uri fileUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-read", fileUri);
AnalyzeResult result = operation.Value;

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"and {page.SelectionMarks.Count} selection mark(s).");

    for (int i = 0; i < page.Lines.Count; i++)
    {
        DocumentLine line = page.Lines[i];
        Console.WriteLine($"  Line {i} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }
}

foreach (DocumentStyle style in result.Styles)
{
    // Check the style and style confidence to see if text is handwritten.
    // Note that value '0.8' is used as an example.

    bool isHandwritten = style.IsHandwritten.HasValue && style.IsHandwritten == true;

    if (isHandwritten && style.Confidence > 0.8)
    {
        Console.WriteLine($"Handwritten content found:");

        foreach (DocumentSpan span in style.Spans)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("Detected languages:");

foreach (DocumentLanguage language in result.Languages)
{
    Console.WriteLine($"  Found language with locale'{language.Locale}' with confidence {language.Confidence}.");
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve model çıkışını readgörüntüleyin.

Düzen modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri fileUri = new Uri ("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-layout", fileUri);

AnalyzeResult result = operation.Value;

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"and {page.SelectionMarks.Count} selection mark(s).");

    for (int i = 0; i < page.Lines.Count; i++)
    {
        DocumentLine line = page.Lines[i];
        Console.WriteLine($"  Line {i} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }

    for (int i = 0; i < page.SelectionMarks.Count; i++)
    {
        DocumentSelectionMark selectionMark = page.SelectionMarks[i];

        Console.WriteLine($"  Selection Mark {i} is {selectionMark.State}.");
        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < selectionMark.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {selectionMark.BoundingPolygon[j].X}, Y: {selectionMark.BoundingPolygon[j].Y}");
        }
    }
}

Console.WriteLine("Paragraphs:");

foreach (DocumentParagraph paragraph in result.Paragraphs)
{
    Console.WriteLine($"  Paragraph content: {paragraph.Content}");

    if (paragraph.Role != null)
    {
        Console.WriteLine($"    Role: {paragraph.Role}");
    }
}

foreach (DocumentStyle style in result.Styles)
{
    // Check the style and style confidence to see if text is handwritten.
    // Note that value '0.8' is used as an example.

    bool isHandwritten = style.IsHandwritten.HasValue && style.IsHandwritten == true;

    if (isHandwritten && style.Confidence > 0.8)
    {
        Console.WriteLine($"Handwritten content found:");

        foreach (DocumentSpan span in style.Spans)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("The following tables were extracted:");

for (int i = 0; i < result.Tables.Count; i++)
{
    DocumentTable table = result.Tables[i];
    Console.WriteLine($"  Table {i} has {table.RowCount} rows and {table.ColumnCount} columns.");

    foreach (DocumentTableCell cell in table.Cells)
    {
        Console.WriteLine($"    Cell ({cell.RowIndex}, {cell.ColumnIndex}) has kind '{cell.Kind}' and content: '{cell.Content}'.");
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve düzen modeli çıkışını görüntüleyin.

Genel belge modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri fileUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-document", fileUri);

AnalyzeResult result = operation.Value;

Console.WriteLine("Detected key-value pairs:");

foreach (DocumentKeyValuePair kvp in result.KeyValuePairs)
{
    if (kvp.Value == null)
    {
        Console.WriteLine($"  Found key with no value: '{kvp.Key.Content}'");
    }
    else
    {
        Console.WriteLine($"  Found key-value pair: '{kvp.Key.Content}' and '{kvp.Value.Content}'");
    }
}

foreach (DocumentPage page in result.Pages)
{
    Console.WriteLine($"Document Page {page.PageNumber} has {page.Lines.Count} line(s), {page.Words.Count} word(s),");
    Console.WriteLine($"and {page.SelectionMarks.Count} selection mark(s).");

    for (int i = 0; i < page.Lines.Count; i++)
    {
        DocumentLine line = page.Lines[i];
        Console.WriteLine($"  Line {i} has content: '{line.Content}'.");

        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < line.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {line.BoundingPolygon[j].X}, Y: {line.BoundingPolygon[j].Y}");
        }
    }

    for (int i = 0; i < page.SelectionMarks.Count; i++)
    {
        DocumentSelectionMark selectionMark = page.SelectionMarks[i];

        Console.WriteLine($"  Selection Mark {i} is {selectionMark.State}.");
        Console.WriteLine($"    Its bounding polygon (points ordered clockwise):");

        for (int j = 0; j < selectionMark.BoundingPolygon.Count; j++)
        {
            Console.WriteLine($"      Point {j} => X: {selectionMark.BoundingPolygon[j].X}, Y: {selectionMark.BoundingPolygon[j].Y}");
        }
    }
}

foreach (DocumentStyle style in result.Styles)
{
    // Check the style and style confidence to see if text is handwritten.
    // Note that value '0.8' is used as an example.

    bool isHandwritten = style.IsHandwritten.HasValue && style.IsHandwritten == true;

    if (isHandwritten && style.Confidence > 0.8)
    {
        Console.WriteLine($"Handwritten content found:");

        foreach (DocumentSpan span in style.Spans)
        {
            Console.WriteLine($"  Content: {result.Content.Substring(span.Index, span.Length)}");
        }
    }
}

Console.WriteLine("The following tables were extracted:");

for (int i = 0; i < result.Tables.Count; i++)
{
    DocumentTable table = result.Tables[i];
    Console.WriteLine($"  Table {i} has {table.RowCount} rows and {table.ColumnCount} columns.");

    foreach (DocumentTableCell cell in table.Cells)
    {
        Console.WriteLine($"    Cell ({cell.RowIndex}, {cell.ColumnIndex}) has kind '{cell.Kind}' and content: '{cell.Content}'.");
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve genel belge modeli çıkışını görüntüleyin.

W-2 vergi modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri w2Uri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-tax.us.w2", w2Uri);

AnalyzeResult result = operation.Value;

for (int i = 0; i < result.Documents.Count; i++)
{
    Console.WriteLine($"Document {i}:");

    AnalyzedDocument document = result.Documents[i];

    if (document.Fields.TryGetValue("AdditionalInfo", out DocumentField? additionalInfoField))
    {
        if (additionalInfoField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField infoField in additionalInfoField.Value.AsList())
            {
                Console.WriteLine("AdditionalInfo:");

                if (infoField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> infoFields = infoField.Value.AsDictionary();

                    if (infoFields.TryGetValue("Amount", out DocumentField? amountField))
                    {
                        if (amountField.FieldType == DocumentFieldType.Double)
                        {
                            double amount = amountField.Value.AsDouble();

                            Console.WriteLine($"  Amount: '{amount}', with confidence {amountField.Confidence}");
                        }
                    }

                    if (infoFields.TryGetValue("LetterCode", out DocumentField? letterCodeField))
                    {
                        if (letterCodeField.FieldType == DocumentFieldType.String)
                        {
                            string letterCode = letterCodeField.Value.AsString();

                            Console.WriteLine($"  LetterCode: '{letterCode}', with confidence {letterCodeField.Confidence}");
                        }
                    }
                }
            }
        }
    }


    if (document.Fields.TryGetValue("AllocatedTips", out DocumentField? allocatedTipsField))
    {
        if (allocatedTipsField.FieldType == DocumentFieldType.Double)
        {
            double allocatedTips = allocatedTipsField.Value.AsDouble();
            Console.WriteLine($"Allocated Tips: '{allocatedTips}', with confidence {allocatedTipsField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("Employer", out DocumentField? employerField))
    {
        if (employerField.FieldType == DocumentFieldType.Dictionary)
        {
            IReadOnlyDictionary<string, DocumentField> employerFields = employerField.Value.AsDictionary();

            if (employerFields.TryGetValue("Name", out DocumentField? employerNameField))
            {
                if (employerNameField.FieldType == DocumentFieldType.String)
                {
                    string name = employerNameField.Value.AsString();

                    Console.WriteLine($"Employer Name: '{name}', with confidence {employerNameField.Confidence}");
                }
            }

            if (employerFields.TryGetValue("IdNumber", out DocumentField? idNumberField))
            {
                if (idNumberField.FieldType == DocumentFieldType.String)
                {
                    string id = idNumberField.Value.AsString();

                    Console.WriteLine($"Employer ID Number: '{id}', with confidence {idNumberField.Confidence}");
                }
            }

            if (employerFields.TryGetValue("Address", out DocumentField? addressField))
            {
                if (addressField.FieldType == DocumentFieldType.Address)
                {
                    Console.WriteLine($"Employer Address: '{addressField.Content}', with confidence {addressField.Confidence}");
                }
            }
        }
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve W-2 vergi modeli çıkışını görüntüleyin.

Fatura modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri invoiceUri = new Uri("https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-invoice", invoiceUri);

AnalyzeResult result = operation.Value;

for (int i = 0; i < result.Documents.Count; i++)
{
    Console.WriteLine($"Document {i}:");

    AnalyzedDocument document = result.Documents[i];

    if (document.Fields.TryGetValue("VendorName", out DocumentField vendorNameField))
    {
        if (vendorNameField.FieldType == DocumentFieldType.String)
        {
            string vendorName = vendorNameField.Value.AsString();
            Console.WriteLine($"Vendor Name: '{vendorName}', with confidence {vendorNameField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("CustomerName", out DocumentField customerNameField))
    {
        if (customerNameField.FieldType == DocumentFieldType.String)
        {
            string customerName = customerNameField.Value.AsString();
            Console.WriteLine($"Customer Name: '{customerName}', with confidence {customerNameField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("Items", out DocumentField itemsField))
    {
        if (itemsField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField itemField in itemsField.Value.AsList())
            {
                Console.WriteLine("Item:");

                if (itemField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> itemFields = itemField.Value.AsDictionary();

                    if (itemFields.TryGetValue("Description", out DocumentField itemDescriptionField))
                    {
                        if (itemDescriptionField.FieldType == DocumentFieldType.String)
                        {
                            string itemDescription = itemDescriptionField.Value.AsString();

                            Console.WriteLine($"  Description: '{itemDescription}', with confidence {itemDescriptionField.Confidence}");
                        }
                    }

                    if (itemFields.TryGetValue("Amount", out DocumentField itemAmountField))
                    {
                        if (itemAmountField.FieldType == DocumentFieldType.Currency)
                        {
                            CurrencyValue itemAmount = itemAmountField.Value.AsCurrency();

                            Console.WriteLine($"  Amount: '{itemAmount.Symbol}{itemAmount.Amount}', with confidence {itemAmountField.Confidence}");
                        }
                    }
                }
            }
        }
    }

    if (document.Fields.TryGetValue("SubTotal", out DocumentField subTotalField))
    {
        if (subTotalField.FieldType == DocumentFieldType.Currency)
        {
            CurrencyValue subTotal = subTotalField.Value.AsCurrency();
            Console.WriteLine($"Sub Total: '{subTotal.Symbol}{subTotal.Amount}', with confidence {subTotalField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("TotalTax", out DocumentField totalTaxField))
    {
        if (totalTaxField.FieldType == DocumentFieldType.Currency)
        {
            CurrencyValue totalTax = totalTaxField.Value.AsCurrency();
            Console.WriteLine($"Total Tax: '{totalTax.Symbol}{totalTax.Amount}', with confidence {totalTaxField.Confidence}");
        }
    }

    if (document.Fields.TryGetValue("InvoiceTotal", out DocumentField invoiceTotalField))
    {
        if (invoiceTotalField.FieldType == DocumentFieldType.Currency)
        {
            CurrencyValue invoiceTotal = invoiceTotalField.Value.AsCurrency();
            Console.WriteLine($"Invoice Total: '{invoiceTotal.Symbol}{invoiceTotal.Amount}', with confidence {invoiceTotalField.Confidence}");
        }
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve fatura modeli çıkışını görüntüleyin.

Alındı modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri receiptUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-receipt", receiptUri);

AnalyzeResult receipts = operation.Value;

foreach (AnalyzedDocument receipt in receipts.Documents)
{
    if (receipt.Fields.TryGetValue("MerchantName", out DocumentField merchantNameField))
    {
        if (merchantNameField.FieldType == DocumentFieldType.String)
        {
            string merchantName = merchantNameField.Value.AsString();

            Console.WriteLine($"Merchant Name: '{merchantName}', with confidence {merchantNameField.Confidence}");
        }
    }

    if (receipt.Fields.TryGetValue("TransactionDate", out DocumentField transactionDateField))
    {
        if (transactionDateField.FieldType == DocumentFieldType.Date)
        {
            DateTimeOffset transactionDate = transactionDateField.Value.AsDate();

            Console.WriteLine($"Transaction Date: '{transactionDate}', with confidence {transactionDateField.Confidence}");
        }
    }

    if (receipt.Fields.TryGetValue("Items", out DocumentField itemsField))
    {
        if (itemsField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField itemField in itemsField.Value.AsList())
            {
                Console.WriteLine("Item:");

                if (itemField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> itemFields = itemField.Value.AsDictionary();

                    if (itemFields.TryGetValue("Description", out DocumentField itemDescriptionField))
                    {
                        if (itemDescriptionField.FieldType == DocumentFieldType.String)
                        {
                            string itemDescription = itemDescriptionField.Value.AsString();

                            Console.WriteLine($"  Description: '{itemDescription}', with confidence {itemDescriptionField.Confidence}");
                        }
                    }

                    if (itemFields.TryGetValue("TotalPrice", out DocumentField itemTotalPriceField))
                    {
                        if (itemTotalPriceField.FieldType == DocumentFieldType.Double)
                        {
                            double itemTotalPrice = itemTotalPriceField.Value.AsDouble();

                            Console.WriteLine($"  Total Price: '{itemTotalPrice}', with confidence {itemTotalPriceField.Confidence}");
                        }
                    }
                }
            }
        }
    }

    if (receipt.Fields.TryGetValue("Total", out DocumentField totalField))
    {
        if (totalField.FieldType == DocumentFieldType.Double)
        {
            double total = totalField.Value.AsDouble();

            Console.WriteLine($"Total: '{total}', with confidence '{totalField.Confidence}'");
        }
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve makbuz modeli çıkışını görüntüleyin.

Kimlik belgesi modeli

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document

Uri idDocumentUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-idDocument", idDocumentUri);

AnalyzeResult identityDocuments = operation.Value;

AnalyzedDocument identityDocument = identityDocuments.Documents.Single();

if (identityDocument.Fields.TryGetValue("Address", out DocumentField addressField))
{
    if (addressField.FieldType == DocumentFieldType.String)
    {
        string address = addressField.Value. AsString();
        Console.WriteLine($"Address: '{address}', with confidence {addressField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("CountryRegion", out DocumentField countryRegionField))
{
    if (countryRegionField.FieldType == DocumentFieldType.CountryRegion)
    {
        string countryRegion = countryRegionField.Value.AsCountryRegion();
        Console.WriteLine($"CountryRegion: '{countryRegion}', with confidence {countryRegionField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DateOfBirth", out DocumentField dateOfBirthField))
{
    if (dateOfBirthField.FieldType == DocumentFieldType.Date)
    {
        DateTimeOffset dateOfBirth = dateOfBirthField.Value.AsDate();
        Console.WriteLine($"Date Of Birth: '{dateOfBirth}', with confidence {dateOfBirthField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DateOfExpiration", out DocumentField dateOfExpirationField))
{
    if (dateOfExpirationField.FieldType == DocumentFieldType.Date)
    {
        DateTimeOffset dateOfExpiration = dateOfExpirationField.Value.AsDate();
        Console.WriteLine($"Date Of Expiration: '{dateOfExpiration}', with confidence {dateOfExpirationField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("DocumentNumber", out DocumentField documentNumberField))
{
    if (documentNumberField.FieldType == DocumentFieldType.String)
    {
        string documentNumber = documentNumberField.Value.AsString();
        Console.WriteLine($"Document Number: '{documentNumber}', with confidence {documentNumberField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("FirstName", out DocumentField firstNameField))
{
    if (firstNameField.FieldType == DocumentFieldType.String)
    {
        string firstName = firstNameField.Value.AsString();
        Console.WriteLine($"First Name: '{firstName}', with confidence {firstNameField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("LastName", out DocumentField lastNameField))
{
    if (lastNameField.FieldType == DocumentFieldType.String)
    {
        string lastName = lastNameField.Value.AsString();
        Console.WriteLine($"Last Name: '{lastName}', with confidence {lastNameField.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("Region", out DocumentField regionfield))
{
    if (regionfield.FieldType == DocumentFieldType.String)
    {
        string region = regionfield.Value.AsString();
        Console.WriteLine($"Region: '{region}', with confidence {regionfield.Confidence}");
    }
}

if (identityDocument.Fields.TryGetValue("Sex", out DocumentField sexfield))
{
    if (sexfield.FieldType == DocumentFieldType.String)
    {
        string sex = sexfield.Value.AsString();
        Console.WriteLine($"Sex: '{sex}', with confidence {sexfield.Confidence}");
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve kimlik-belge modeli çıkışını görüntüleyin.

Kartvizit modelini kullanma

using Azure;
using Azure.AI.FormRecognizer.DocumentAnalysis;

//use your `key` and `endpoint` environment variables to create your `AzureKeyCredential` and `DocumentAnalysisClient` instances
string key = Environment.GetEnvironmentVariable("DI_KEY");
string endpoint = Environment.GetEnvironmentVariable("DI_ENDPOINT");
AzureKeyCredential credential = new AzureKeyCredential(key);
DocumentAnalysisClient client = new DocumentAnalysisClient(new Uri(endpoint), credential);

// sample document document
Uri businessCardUri = new Uri("https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/business-card-english.jpg");

AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-businessCard", businessCardUri);

AnalyzeResult businessCards = operation.Value;

foreach (AnalyzedDocument businessCard in businessCards.Documents)
{
    if (businessCard.Fields.TryGetValue("ContactNames", out DocumentField ContactNamesField))
    {
        if (ContactNamesField.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField contactNameField in ContactNamesField.Value.AsList())
            {
                Console.WriteLine("Contact Name: ");

                if (contactNameField.FieldType == DocumentFieldType.Dictionary)
                {
                    IReadOnlyDictionary<string, DocumentField> contactNameFields = contactNameField.Value.AsDictionary();

                    if (contactNameFields.TryGetValue("FirstName", out DocumentField firstNameField))
                    {
                        if (firstNameField.FieldType == DocumentFieldType.String)
                        {
                            string firstName = firstNameField.Value.AsString();

                            Console.WriteLine($"  First Name: '{firstName}', with confidence {firstNameField.Confidence}");
                        }
                    }

                    if (contactNameFields.TryGetValue("LastName", out DocumentField lastNameField))
                    {
                        if (lastNameField.FieldType == DocumentFieldType.String)
                        {
                            string lastName = lastNameField.Value.AsString();

                            Console.WriteLine($"  Last Name: '{lastName}', with confidence {lastNameField.Confidence}");
                        }
                    }
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("JobTitles", out DocumentField jobTitlesFields))
    {
        if (jobTitlesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField jobTitleField in jobTitlesFields.Value.AsList())
            {
                if (jobTitleField.FieldType == DocumentFieldType.String)
                {
                    string jobTitle = jobTitleField.Value.AsString();

                    Console.WriteLine($"Job Title: '{jobTitle}', with confidence {jobTitleField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Departments", out DocumentField departmentFields))
    {
        if (departmentFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField departmentField in departmentFields.Value.AsList())
            {
                if (departmentField.FieldType == DocumentFieldType.String)
                {
                    string department = departmentField.Value.AsString();

                    Console.WriteLine($"Department: '{department}', with confidence {departmentField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Emails", out DocumentField emailFields))
    {
        if (emailFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField emailField in emailFields.Value.AsList())
            {
                if (emailField.FieldType == DocumentFieldType.String)
                {
                    string email = emailField.Value.AsString();

                    Console.WriteLine($"Email: '{email}', with confidence {emailField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Websites", out DocumentField websiteFields))
    {
        if (websiteFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField websiteField in websiteFields.Value.AsList())
            {
                if (websiteField.FieldType == DocumentFieldType.String)
                {
                    string website = websiteField.Value.AsString();

                    Console.WriteLine($"Website: '{website}', with confidence {websiteField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("MobilePhones", out DocumentField mobilePhonesFields))
    {
        if (mobilePhonesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField mobilePhoneField in mobilePhonesFields.Value.AsList())
            {
                if (mobilePhoneField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string mobilePhone = mobilePhoneField.Value.AsPhoneNumber();

                    Console.WriteLine($"Mobile phone number: '{mobilePhone}', with confidence {mobilePhoneField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("WorkPhones", out DocumentField workPhonesFields))
    {
        if (workPhonesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField workPhoneField in workPhonesFields.Value.AsList())
            {
                if (workPhoneField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string workPhone = workPhoneField.Value.AsPhoneNumber();

                    Console.WriteLine($"Work phone number: '{workPhone}', with confidence {workPhoneField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Faxes", out DocumentField faxesFields))
    {
        if (faxesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField faxField in faxesFields.Value.AsList())
            {
                if (faxField.FieldType == DocumentFieldType.PhoneNumber)
                {
                    string fax = faxField.Value.AsPhoneNumber();

                    Console.WriteLine($"Fax phone number: '{fax}', with confidence {faxField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("Addresses", out DocumentField addressesFields))
    {
        if (addressesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField addressField in addressesFields.Value.AsList())
            {
                if (addressField.FieldType == DocumentFieldType.String)
                {
                    string address = addressField.Value.AsString();

                    Console.WriteLine($"Address: '{address}', with confidence {addressField.Confidence}");
                }
            }
        }
    }

    if (businessCard.Fields.TryGetValue("CompanyNames", out DocumentField companyNamesFields))
    {
        if (companyNamesFields.FieldType == DocumentFieldType.List)
        {
            foreach (DocumentField companyNameField in companyNamesFields.Value.AsList())
            {
                if (companyNameField.FieldType == DocumentFieldType.String)
                {
                    string companyName = companyNameField.Value.AsString();

                    Console.WriteLine($"Company name: '{companyName}', with confidence {companyNameField.Confidence}");
                }
            }
        }
    }
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve kartvizit modeli çıkışını görüntüleyin.

İstemci kitaplığı | SDK başvurusu | REST API başvuru | Paketi (Maven) | Desteklenen REST API sürümü örnekleri |

Önkoşullar

• Azure aboneliği - Ücretsiz bir abonelik oluşturun.

• Visual Studio Code'un en son sürümü veya tercih ettiğiniz IDE. Bkz. Visual Studio Code'da Java.

  • Visual Studio Code, Windows ve macOS için Java için bir Kodlama Paketi sunar. Kodlama paketi bir Kod paketi VS , Java Geliştirme Seti (JDK) ve Microsoft tarafından önerilen uzantılardan oluşan bir koleksiyondur. Kodlama Paketi, mevcut geliştirme ortamını düzeltmek için de kullanılabilir.
  • Code ve Java için Kodlama Paketi kullanıyorsanız VS Java için Gradle uzantısını yükleyin.

  Visual Studio Code kullanmıyorsanız, geliştirme ortamınızda aşağıdakilerin yüklü olduğundan emin olun:

  • Java Geliştirme Seti (JDK) sürüm 8 veya üzeri. Daha fazla bilgi için bkz . OpenJDK'nin Microsoft Derlemesi.
  • Gradle, sürüm 6.8 veya üzeri.

• Azure AI hizmetleri veya Belge Zekası kaynağı. Tek hizmetli veya çok hizmetli bir oluşturma. Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

  İpucu

  Tek bir uç nokta ve anahtar kullanarak birden çok Azure AI hizmetine erişmeyi planlıyorsanız bir Azure AI hizmetleri kaynağı oluşturun. Yalnızca Belge Yönetim Bilgileri erişimi için bir Belge Yönetim Bilgileri kaynağı oluşturun. Microsoft Entra kimlik doğrulamasını kullanmak istiyorsanız tek hizmetli bir kaynağa ihtiyacınız vardır.

• Uygulamanızı Azure Belge Zekası hizmetine bağlamak için oluşturduğunuz kaynaktan alınan anahtar ve uç nokta.

  1. Kaynağınız dağıtıldıktan sonra Kaynağa git'i seçin.
  2. Sol gezinti menüsünde Anahtarlar ve Uç Nokta'yı seçin.
  3. Bu makalenin devamında kullanmak üzere anahtarlardan birini ve Uç Nokta'yı kopyalayın.

  

• URL'deki belge dosyası. Bu proje için, her özellik için aşağıdaki tabloda sağlanan örnek formları kullanabilirsiniz:

  Özellik	modelKIMİ	belge url'si
  Modeli okuma	önceden oluşturulmuş okuma	Örnek broşür
  Düzen modeli	önceden oluşturulmuş düzen	Örnek rezervasyon onayı
  W-2 form modeli	prebuilt-tax.us.w2	Örnek W-2 formu
  Fatura modeli	önceden oluşturulmuş fatura	Örnek fatura
  Makbuz modeli	önceden oluşturulmuş makbuz	Örnek alındı bilgisi
  Kimlik belgesi modeli	prebuilt-idDocument	Örnek Kimlik belgesi

Ortam değişkenlerinizi ayarlama

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentAnalysisClient oluşturmanız gerekir. Bunu yapmak için azure portalından ve endpoint ile key istemcinin örneğini oluşturun. Bu projede, kimlik bilgilerini depolamak ve bunlara erişmek için ortam değişkenlerini kullanın.

Önemli

Anahtarınızı doğrudan koda eklemeyin ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamak ve erişmek için güvenli bir yol kullanın. Daha fazla bilgi için bkz . Azure AI hizmetleri güvenliği.

Belge Yönetim Bilgileri kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminizle geliştirme ortamınıza yönelik yönergeleri izleyin. YourKey> ve< yourEndpoint> değerlerini Azure portalındaki kaynağınızdaki değerlerle değiştirin.<

Windows

Windows'taki ortam değişkenleri büyük/küçük harfe duyarlı değildir. Bunlar genellikle büyük harfle bildirilerek sözcükler alt çizgiyle birleştirilir. Komut isteminde aşağıdaki komutları çalıştırın:

1. Anahtar değişkeninizi ayarlayın:

   setx DI_KEY <yourKey>
   

2. Uç nokta değişkeninizi ayarlama

   setx DI_ENDPOINT <yourEndpoint>
   

3. Ortam değişkenlerinizi ayarladıktan sonra Komut İstemi penceresini kapatın. Değerler siz yeniden değiştirene kadar kalır.

4. Ortam değişkenini okuyan tüm çalışan programları yeniden başlatın. Örneğin, düzenleyici olarak Visual Studio veya Visual Studio Code kullanıyorsanız, örnek kodu çalıştırmadan önce yeniden başlatın.

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
setx VARIABLE_NAME=	Değeri boş bir dizeye ayarlayarak ortam değişkenini silin.	setx DI_KEY=
setx VARIABLE_NAME=value	Ortam değişkeninin değerini ayarlayın veya değiştirin.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin.	set DI_KEY
set	Tüm ortam değişkenlerini görüntüleyin.	set

macOS

macOS'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer. Terminalinizi açın ve aşağıdaki komutları girin:

1. Anahtar değişkeninizi ayarlayın:

   export key=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export endpoint=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bash_profile başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bash_profile dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Örnek: export DI_KEY="<yourKey>"

2. Değişikliklerinizi bash_profile dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bash-profile
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Linux

Linux'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer:

1. Anahtar değişkeninizi ayarlayın:

   export DI_KEY=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export DI_ENDPOINT=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bashrc başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bashrc dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export <VARIABLE>=<value>
   

   Örnek: export DI_KEY=<yourKey>

2. Değişikliklerinizi .bashrc dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bashrc
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY=
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Ortam değişkeninin değerini görüntüleme. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Programlama ortamınızı ayarlama

Programlama ortamınızı ayarlamak için bir Gradle projesi oluşturun ve istemci kitaplığını yükleyin.

Gradle projesi oluşturma

1. Konsol penceresinde, uygulamanız için doc-intelligence-app adlı bir dizin oluşturun ve bu dizine gidin.

   mkdir doc-intelligence-app
   cd doc-intelligence-app
   

2. gradle init Komutunu çalışma dizininizden çalıştırın. Bu komut, uygulamanızı oluşturmak ve yapılandırmak için çalışma zamanında kullanılan build.gradle.kts dahil olmak üzere Gradle için temel derleme dosyaları oluşturur.

   gradle init --type basic
   

3. DSL seçmeniz istendiğinde Kotlin'i seçin.

4. Varsayılan proje adı olan doc-intelligence-app'i kabul etmek için Enter'ı seçin.

İstemci kitaplığını yükleme

Bu makalede Gradle bağımlılık yöneticisi kullanılır. Maven Central Repository'de diğer bağımlılık yöneticilerinin istemci kitaplığını ve bilgilerini bulabilirsiniz.

1. IDE'nizde projenin build.gradle.kts dosyasını açın. aşağıdaki kodu kopyalayıp, istemci kitaplığını gerekli eklentiler ve ayarlarla birlikte bir implementation deyim olarak eklemek için yapıştırın.

   plugins {
      java
      application
   }
   application {
      mainClass.set("DocIntelligence")
   }
   repositories {
      mavenCentral()
   }
   dependencies {
      implementation group: 'com.azure', name: 'azure-ai-documentintelligence', version: '1.0.0-beta.2'
   
   }
   

Java uygulaması oluşturma

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentIntelligenceClient oluşturun. Bunu yapmak için Azure portalından ile key bir ve ve Belge Zekanız endpointile AzureKeyCredential bir DocumentIntelligenceClient örnek oluşturursunuzAzureKeyCredential.

1. doc-intelligence-app dizininden aşağıdaki komutu çalıştırın:

   mkdir -p src/main/java
   

Bu komut aşağıdaki dizin yapısını oluşturur:

1. Dizinine java gidin ve DocIntelligence.java adlı bir dosya oluşturun.

   İpucu

   PowerShell kullanarak yeni bir dosya oluşturabilirsiniz. Shift tuşunu basılı tutarak ve klasöre sağ tıklayarak proje dizininizde bir PowerShell penceresi açın ve aşağıdaki komutu yazın: Yeni Öğe DocIntelligence.java.

2. DocIntelligence.java dosyasını açın ve aşağıdaki kod örneklerinden birini seçin VE uygulamanıza kopyalayıp yapıştırın:

   • Önceden oluşturulmuş okuma modeli tüm Belge Zekası modellerinin temelini oluşturur ve satırları, sözcükleri, konumları ve dilleri algılayabilir. Düzen, genel belge, önceden oluşturulmuş ve özel modellerin read tümü, belgelerden metin ayıklamak için temel olarak modeli kullanır.
   • Önceden oluşturulmuş düzen modeli, belgelerden ve görüntülerden metin ve metin konumlarını, tabloları, seçim işaretlerini ve yapı bilgilerini ayıklar.
   • Önceden oluşturulmuş tax.us.w2 modeli, ABD İç Gelir Hizmeti (IRS) vergi formlarında bildirilen bilgileri ayıklar.
   • Önceden oluşturulmuş fatura modeli, satış faturalarındaki önemli alanları ve satır öğelerini çeşitli biçimlerde ayıklar.
   • Önceden oluşturulmuş makbuz modeli, yazdırılan ve el yazısı satış makbuzlarından önemli bilgileri ayıklar.
   • Önceden oluşturulmuş-idDocument modeli, ABD Sürücü Lisanslarından önemli bilgileri ayıklar; uluslararası pasaport biyografi sayfaları; ABD durum kimlikleri; sosyal güvenlik kartları; ve kalıcı ikamet kartları.

3. Aşağıdaki komutları yazın:

   gradle build
   gradle run
   

Okuma modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;


public class DocIntelligence {

  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

//sample document
String documentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png";

String modelId = "prebuilt-read";

SyncPoller < OperationResult, AnalyzeResult > analyzeLayoutResultPoller =
  client.beginAnalyzeDocument(modelId, invoiceUrl);;

AnalyzeResult analyzeLayoutResult = analyzeLayoutResultPoller.getFinalResult().getAnalyzeResult();

// pages
analyzeLayoutResult.getPages().forEach(documentPage -> {
  System.out.printf("Page has width: %.2f and height: %.2f, measured with unit: %s%n",
    documentPage.getWidth(),
    documentPage.getHeight(),
    documentPage.getUnit());

  // lines
  documentPage.getLines().forEach(documentLine ->
    System.out.printf("Line %s is within a bounding polygon %s.%n",
      documentLine.getContent(),
      documentLine.getBoundingPolygon().toString()));

  // words
  documentPage.getWords().forEach(documentWord ->
    System.out.printf("Word '%s' has a confidence score of %.2f.%n",
      documentWord.getContent(),
      documentWord.getConfidence()));
});
}
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve model çıkışını readgörüntüleyin.

Düzen modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

//sample document
String layoutDocumentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png";
String modelId = "prebuilt-layout";

SyncPoller < OperationResult, AnalyzeResult > analyzeLayoutResultPoller =
  client.beginAnalyzeDocument(modelId, layoutDocumentUrl);

AnalyzeResult analyzeLayoutResult = analyzeLayoutResultPoller.getFinalResult().getAnalyzeResult();

// pages
analyzeLayoutResult.getPages().forEach(documentPage -> {
  System.out.printf("Page has width: %.2f and height: %.2f, measured with unit: %s%n",
    documentPage.getWidth(),
    documentPage.getHeight(),
    documentPage.getUnit());

  // lines
  documentPage.getLines().forEach(documentLine ->
    System.out.printf("Line %s is within a bounding polygon %s.%n",
      documentLine.getContent(),
      documentLine.getBoundingPolygon().toString()));

  // words
  documentPage.getWords().forEach(documentWord ->
    System.out.printf("Word '%s' has a confidence score of %.2f%n",
      documentWord.getContent(),
      documentWord.getConfidence()));

  // selection marks
  documentPage.getSelectionMarks().forEach(documentSelectionMark ->
    System.out.printf("Selection mark is '%s' and is within a bounding polygon %s with confidence %.2f.%n",
      documentSelectionMark.getSelectionMarkState().toString(),
      getBoundingCoordinates(documentSelectionMark.getBoundingPolygon()),
      documentSelectionMark.getConfidence()));
});

// tables
List < DocumentTable > tables = analyzeLayoutResult.getTables();
for (int i = 0; i < tables.size(); i++) {
  DocumentTable documentTables = tables.get(i);
  System.out.printf("Table %d has %d rows and %d columns.%n", i, documentTables.getRowCount(),
    documentTables.getColumnCount());
  documentTables.getCells().forEach(documentTableCell -> {
    System.out.printf("Cell '%s', has row index %d and column index %d.%n", documentTableCell.getContent(),
      documentTableCell.getRowIndex(), documentTableCell.getColumnIndex());
  });
  System.out.println();
}

}

// Utility function to get the bounding polygon coordinates.
private static String getBoundingCoordinates(List < Point > boundingPolygon) {
  return boundingPolygon.stream().map(point -> String.format("[%.2f, %.2f]", point.getX(),
    point.getY())).collect(Collectors.joining(", "));
}

}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve düzen modeli çıkışını görüntüleyin.

Genel belge modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

//sample document
String generalDocumentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf";
String modelId = "prebuilt-document";
SyncPoller < OperationResult, AnalyzeResult > analyzeDocumentPoller =
  client.beginAnalyzeDocument(modelId, generalDocumentUrl);

AnalyzeResult analyzeResult = analyzeDocumentPoller.getFinalResult().getAnalyzeResult();;

// pages
analyzeResult.getPages().forEach(documentPage -> {
  System.out.printf("Page has width: %.2f and height: %.2f, measured with unit: %s%n",
    documentPage.getWidth(),
    documentPage.getHeight(),
    documentPage.getUnit());

  // lines
  documentPage.getLines().forEach(documentLine ->
    System.out.printf("Line %s is within a bounding polygon %s.%n",
      documentLine.getContent(),
      documentLine.getBoundingPolygon().toString()));

  // words
  documentPage.getWords().forEach(documentWord ->
    System.out.printf("Word %s has a confidence score of %.2f%n.",
      documentWord.getContent(),
      documentWord.getConfidence()));
});

// tables
List < DocumentTable > tab_les = analyzeResult.getTables();
for (int i = 0; i < tab_les.size(); i++) {
  DocumentTable documentTable = tab_les.get(i);
  System.out.printf("Table %d has %d rows and %d columns.%n", i, documentTable.getRowCount(),
    documentTable.getColumnCount());
  documentTable.getCells().forEach(documentTableCell -> {
    System.out.printf("Cell '%s', has row index %d and column index %d.%n",
      documentTableCell.getContent(),
      documentTableCell.getRowIndex(), documentTableCell.getColumnIndex());
  });
  System.out.println();
}

// Key-value pairs
analyzeResult.getKeyValuePairs().forEach(documentKeyValuePair -> {
  System.out.printf("Key content: %s%n", documentKeyValuePair.getKey().getContent());
  System.out.printf("Key content bounding region: %s%n",
    documentKeyValuePair.getKey().getBoundingRegions().toString());

  if (documentKeyValuePair.getValue() != null) {
    System.out.printf("Value content: %s%n", documentKeyValuePair.getValue().getContent());
    System.out.printf("Value content bounding region: %s%n", documentKeyValuePair.getValue().getBoundingRegions().toString());
  }
});

}

}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve genel belge modeli çıkışını görüntüleyin.

W-2 vergi modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

// sample document
String w2Url = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png";
String modelId = "prebuilt-tax.us.w2";

SyncPoller < OperationResult, AnalyzeResult > analyzeW2Poller =
  client.beginAnalyzeDocument(modelId, w2Url);

AnalyzeResult analyzeTaxResult = analyzeW2Poller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < analyzeTaxResult.getDocuments().size(); i++) {
  AnalyzedDocument analyzedTaxDocument = analyzeTaxResult.getDocuments().get(i);
  Map < String, DocumentField > taxFields = analyzedTaxDocument.getFields();
  System.out.printf("----------- Analyzing Document  %d -----------%n", i);
  DocumentField w2FormVariantField = taxFields.get("W2FormVariant");
  if (w2FormVariantField != null) {
    if (DocumentFieldType.STRING == w2FormVariantField.getType()) {
      String merchantName = w2FormVariantField.getValueAsString();
      System.out.printf("Form variant: %s, confidence: %.2f%n",
        merchantName, w2FormVariantField.getConfidence());
    }
  }

  DocumentField employeeField = taxFields.get("Employee");
  if (employeeField != null) {
    System.out.println("Employee Data: ");
    if (DocumentFieldType.MAP == employeeField.getType()) {
      Map < String, DocumentField > employeeDataFieldMap = employeeField.getValueAsMap();
      DocumentField employeeName = employeeDataFieldMap.get("Name");
      if (employeeName != null) {
        if (DocumentFieldType.STRING == employeeName.getType()) {
          String employeesName = employeeName.getValueAsString();
          System.out.printf("Employee Name: %s, confidence: %.2f%n",
            employeesName, employeeName.getConfidence());
        }
      }
      DocumentField employeeAddrField = employeeDataFieldMap.get("Address");
      if (employeeAddrField != null) {
        if (DocumentFieldType.STRING == employeeAddrField.getType()) {
          String employeeAddress = employeeAddrField.getValueAsString();
          System.out.printf("Employee Address: %s, confidence: %.2f%n",
            employeeAddress, employeeAddrField.getConfidence());
        }
      }
    }
  }

  DocumentField employerField = taxFields.get("Employer");
  if (employerField != null) {
    System.out.println("Employer Data: ");
    if (DocumentFieldType.MAP == employerField.getType()) {
      Map < String, DocumentField > employerDataFieldMap = employerField.getValueAsMap();
      DocumentField employerNameField = employerDataFieldMap.get("Name");
      if (employerNameField != null) {
        if (DocumentFieldType.STRING == employerNameField.getType()) {
          String employerName = employerNameField.getValueAsString();
          System.out.printf("Employer Name: %s, confidence: %.2f%n",
            employerName, employerNameField.getConfidence());
        }
      }

      DocumentField employerIDNumberField = employerDataFieldMap.get("IdNumber");
      if (employerIDNumberField != null) {
        if (DocumentFieldType.STRING == employerIDNumberField.getType()) {
          String employerIdNumber = employerIDNumberField.getValueAsString();
          System.out.printf("Employee ID Number: %s, confidence: %.2f%n",
            employerIdNumber, employerIDNumberField.getConfidence());
        }
      }
    }
  }

  DocumentField taxYearField = taxFields.get("TaxYear");
  if (taxYearField != null) {
    if (DocumentFieldType.STRING == taxYearField.getType()) {
      String taxYear = taxYearField.getValueAsString();
      System.out.printf("Tax year: %s, confidence: %.2f%n",
        taxYear, taxYearField.getConfidence());
    }
  }

  DocumentField taxDateField = taxFields.get("TaxDate");
  if (taxDateField != null) {
    if (DocumentFieldType.DATE == taxDateField.getType()) {
      LocalDate taxDate = taxDateField.getValueAsDate();
      System.out.printf("Tax Date: %s, confidence: %.2f%n",
        taxDate, taxDateField.getConfidence());
    }
  }

  DocumentField socialSecurityTaxField = taxFields.get("SocialSecurityTaxWithheld");
  if (socialSecurityTaxField != null) {
    if (DocumentFieldType.DOUBLE == socialSecurityTaxField.getType()) {
      Double socialSecurityTax = socialSecurityTaxField.getValueAsDouble();
      System.out.printf("Social Security Tax withheld: %.2f, confidence: %.2f%n",
        socialSecurityTax, socialSecurityTaxField.getConfidence());
    }
  }
}
}
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve W-2 vergi modeli çıkışını görüntüleyin.

Fatura modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

// sample document
String invoiceUrl = "https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf";
String modelId = "prebuilt-invoice";

SyncPoller < OperationResult, AnalyzeResult > analyzeInvoicesPoller =
  client.beginAnalyzeDocument(modelId, invoiceUrl);

AnalyzeResult analyzeInvoiceResult = analyzeInvoicesPoller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < analyzeInvoiceResult.getDocuments().size(); i++) {
  AnalyzedDocument analyzedInvoice = analyzeInvoiceResult.getDocuments().get(i);
  Map < String, DocumentField > invoiceFields = analyzedInvoice.getFields();
  System.out.printf("----------- Analyzing invoice  %d -----------%n", i);
  DocumentField vendorNameField = invoiceFields.get("VendorName");
  if (vendorNameField != null) {
    if (DocumentFieldType.STRING == vendorNameField.getType()) {
      String merchantName = vendorNameField.getValueAsString();
      System.out.printf("Vendor Name: %s, confidence: %.2f%n",
        merchantName, vendorNameField.getConfidence());
    }
  }

  DocumentField vendorAddressField = invoiceFields.get("VendorAddress");
  if (vendorAddressField != null) {
    if (DocumentFieldType.STRING == vendorAddressField.getType()) {
      String merchantAddress = vendorAddressField.getValueAsString();
      System.out.printf("Vendor address: %s, confidence: %.2f%n",
        merchantAddress, vendorAddressField.getConfidence());
    }
  }

  DocumentField customerNameField = invoiceFields.get("CustomerName");
  if (customerNameField != null) {
    if (DocumentFieldType.STRING == customerNameField.getType()) {
      String merchantAddress = customerNameField.getValueAsString();
      System.out.printf("Customer Name: %s, confidence: %.2f%n",
        merchantAddress, customerNameField.getConfidence());
    }
  }

  DocumentField customerAddressRecipientField = invoiceFields.get("CustomerAddressRecipient");
  if (customerAddressRecipientField != null) {
    if (DocumentFieldType.STRING == customerAddressRecipientField.getType()) {
      String customerAddr = customerAddressRecipientField.getValueAsString();
      System.out.printf("Customer Address Recipient: %s, confidence: %.2f%n",
        customerAddr, customerAddressRecipientField.getConfidence());
    }
  }

  DocumentField invoiceIdField = invoiceFields.get("InvoiceId");
  if (invoiceIdField != null) {
    if (DocumentFieldType.STRING == invoiceIdField.getType()) {
      String invoiceId = invoiceIdField.getValueAsString();
      System.out.printf("Invoice ID: %s, confidence: %.2f%n",
        invoiceId, invoiceIdField.getConfidence());
    }
  }

  DocumentField invoiceDateField = invoiceFields.get("InvoiceDate");
  if (customerNameField != null) {
    if (DocumentFieldType.DATE == invoiceDateField.getType()) {
      LocalDate invoiceDate = invoiceDateField.getValueAsDate();
      System.out.printf("Invoice Date: %s, confidence: %.2f%n",
        invoiceDate, invoiceDateField.getConfidence());
    }
  }

  DocumentField invoiceTotalField = invoiceFields.get("InvoiceTotal");
  if (customerAddressRecipientField != null) {
    if (DocumentFieldType.DOUBLE == invoiceTotalField.getType()) {
      Double invoiceTotal = invoiceTotalField.getValueAsDouble();
      System.out.printf("Invoice Total: %.2f, confidence: %.2f%n",
        invoiceTotal, invoiceTotalField.getConfidence());
    }
  }

  DocumentField invoiceItemsField = invoiceFields.get("Items");
  if (invoiceItemsField != null) {
    System.out.printf("Invoice Items: %n");
    if (DocumentFieldType.LIST == invoiceItemsField.getType()) {
      List < DocumentField > invoiceItems = invoiceItemsField.getValueAsList();
      invoiceItems.stream()
        .filter(invoiceItem -> DocumentFieldType.MAP == invoiceItem.getType())
        .map(documentField -> documentField.getValueAsMap())
        .forEach(documentFieldMap -> documentFieldMap.forEach((key, documentField) -> {
          if ("Description".equals(key)) {
            if (DocumentFieldType.STRING == documentField.getType()) {
              String name = documentField.getValueAsString();
              System.out.printf("Description: %s, confidence: %.2fs%n",
                name, documentField.getConfidence());
            }
          }
          if ("Quantity".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double quantity = documentField.getValueAsDouble();
              System.out.printf("Quantity: %f, confidence: %.2f%n",
                quantity, documentField.getConfidence());
            }
          }
          if ("UnitPrice".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double unitPrice = documentField.getValueAsDouble();
              System.out.printf("Unit Price: %f, confidence: %.2f%n",
                unitPrice, documentField.getConfidence());
            }
          }
          if ("ProductCode".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double productCode = documentField.getValueAsDouble();
              System.out.printf("Product Code: %f, confidence: %.2f%n",
                productCode, documentField.getConfidence());
            }
          }
        }));
    }
  }
}
}
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve fatura modeli çıkışını görüntüleyin.

Makbuz modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

String receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png";
String modelId = "prebuilt-receipt";

SyncPoller < OperationResult, AnalyzeResult > analyzeReceiptPoller =
  client.beginAnalyzeDocument(modelId, receiptUrl);

AnalyzeResult receiptResults = analyzeReceiptPoller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < receiptResults.getDocuments().size(); i++) {
  AnalyzedDocument analyzedReceipt = receiptResults.getDocuments().get(i);
  Map < String, DocumentField > receiptFields = analyzedReceipt.getFields();
  System.out.printf("----------- Analyzing receipt info %d -----------%n", i);
  DocumentField merchantNameField = receiptFields.get("MerchantName");
  if (merchantNameField != null) {
    if (DocumentFieldType.STRING == merchantNameField.getType()) {
      String merchantName = merchantNameField.getValueAsString();
      System.out.printf("Merchant Name: %s, confidence: %.2f%n",
        merchantName, merchantNameField.getConfidence());
    }
  }

  DocumentField merchantPhoneNumberField = receiptFields.get("MerchantPhoneNumber");
  if (merchantPhoneNumberField != null) {
    if (DocumentFieldType.PHONE_NUMBER == merchantPhoneNumberField.getType()) {
      String merchantAddress = merchantPhoneNumberField.getValueAsPhoneNumber();
      System.out.printf("Merchant Phone number: %s, confidence: %.2f%n",
        merchantAddress, merchantPhoneNumberField.getConfidence());
    }
  }

  DocumentField merchantAddressField = receiptFields.get("MerchantAddress");
  if (merchantAddressField != null) {
    if (DocumentFieldType.STRING == merchantAddressField.getType()) {
      String merchantAddress = merchantAddressField.getValueAsString();
      System.out.printf("Merchant Address: %s, confidence: %.2f%n",
        merchantAddress, merchantAddressField.getConfidence());
    }
  }

  DocumentField transactionDateField = receiptFields.get("TransactionDate");
  if (transactionDateField != null) {
    if (DocumentFieldType.DATE == transactionDateField.getType()) {
      LocalDate transactionDate = transactionDateField.getValueAsDate();
      System.out.printf("Transaction Date: %s, confidence: %.2f%n",
        transactionDate, transactionDateField.getConfidence());
    }
  }

  DocumentField receiptItemsField = receiptFields.get("Items");
  if (receiptItemsField != null) {
    System.out.printf("Receipt Items: %n");
    if (DocumentFieldType.LIST == receiptItemsField.getType()) {
      List < DocumentField > receiptItems = receiptItemsField.getValueAsList();
      receiptItems.stream()
        .filter(receiptItem -> DocumentFieldType.MAP == receiptItem.getType())
        .map(documentField -> documentField.getValueAsMap())
        .forEach(documentFieldMap -> documentFieldMap.forEach((key, documentField) -> {
          if ("Name".equals(key)) {
            if (DocumentFieldType.STRING == documentField.getType()) {
              String name = documentField.getValueAsString();
              System.out.printf("Name: %s, confidence: %.2fs%n",
                name, documentField.getConfidence());
            }
          }
          if ("Quantity".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double quantity = documentField.getValueAsDouble();
              System.out.printf("Quantity: %f, confidence: %.2f%n",
                quantity, documentField.getConfidence());
            }
          }
          if ("Price".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double price = documentField.getValueAsDouble();
              System.out.printf("Price: %f, confidence: %.2f%n",
                price, documentField.getConfidence());
            }
          }
          if ("TotalPrice".equals(key)) {
            if (DocumentFieldType.DOUBLE == documentField.getType()) {
              Double totalPrice = documentField.getValueAsDouble();
              System.out.printf("Total Price: %f, confidence: %.2f%n",
                totalPrice, documentField.getConfidence());
            }
          }
        }));
    }
  }
}
}
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve makbuz modeli çıkışını görüntüleyin.

Kimlik belgesi modelini kullanma

import com.azure.ai.documentintelligence;

import com.azure.ai.documentintelligence.models.AnalyzeDocumentRequest;
import com.azure.ai.documentintelligence.models.AnalyzeResult;
import com.azure.ai.documentintelligence.models.AnalyzeResultOperation;
import com.azure.ai.documentintelligence.models.Document;
import com.azure.ai.documentintelligence.models.DocumentField;
import com.azure.ai.documentintelligence.models.DocumentFieldType;
import com.azure.core.credential.AzureKeyCredential;
import com.azure.core.util.polling.SyncPoller;

import java.io.IOException;
import java.time.LocalDate;
import java.util.List;
import java.util.Map;

public class DocIntelligence {
  //use your `key` and `endpoint` environment variables
  private static final String key = System.getenv("FR_KEY");
  private static final String endpoint = System.getenv("FR_ENDPOINT");

  public static void main(final String[] args) {

      // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
      DocumentIntelligenceClient client = new DocumentIntelligenceClientBuilder()
        .credential(new AzureKeyCredential(key))
        .endpoint(endpoint)
        .buildClient();

//sample document
String licenseUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png";
String modelId = "prebuilt-idDocument";

SyncPoller < OperationResult, AnalyzeResult > analyzeIdentityDocumentPoller = client.beginAnalyzeDocument(modelId, licenseUrl);

AnalyzeResult identityDocumentResults = analyzeIdentityDocumentPoller.getFinalResult().getAnalyzeResult();

for (int i = 0; i < identityDocumentResults.getDocuments().size(); i++) {
  AnalyzedDocument analyzedIDDocument = identityDocumentResults.getDocuments().get(i);
  Map < String, DocumentField > licenseFields = analyzedIDDocument.getFields();
  System.out.printf("----------- Analyzed license info for page %d -----------%n", i);
  DocumentField addressField = licenseFields.get("Address");
  if (addressField != null) {
    if (DocumentFieldType.STRING == addressField.getType()) {
      String address = addressField.getValueAsString();
      System.out.printf("Address: %s, confidence: %.2f%n",
        address, addressField.getConfidence());
    }
  }

  DocumentField countryRegionDocumentField = licenseFields.get("CountryRegion");
  if (countryRegionDocumentField != null) {
    if (DocumentFieldType.STRING == countryRegionDocumentField.getType()) {
      String countryRegion = countryRegionDocumentField.getValueAsCountry();
      System.out.printf("Country or region: %s, confidence: %.2f%n",
        countryRegion, countryRegionDocumentField.getConfidence());
    }
  }

  DocumentField dateOfBirthField = licenseFields.get("DateOfBirth");
  if (dateOfBirthField != null) {
    if (DocumentFieldType.DATE == dateOfBirthField.getType()) {
      LocalDate dateOfBirth = dateOfBirthField.getValueAsDate();
      System.out.printf("Date of Birth: %s, confidence: %.2f%n",
        dateOfBirth, dateOfBirthField.getConfidence());
    }
  }

  DocumentField dateOfExpirationField = licenseFields.get("DateOfExpiration");
  if (dateOfExpirationField != null) {
    if (DocumentFieldType.DATE == dateOfExpirationField.getType()) {
      LocalDate expirationDate = dateOfExpirationField.getValueAsDate();
      System.out.printf("Document date of expiration: %s, confidence: %.2f%n",
        expirationDate, dateOfExpirationField.getConfidence());
    }
  }

  DocumentField documentNumberField = licenseFields.get("DocumentNumber");
  if (documentNumberField != null) {
    if (DocumentFieldType.STRING == documentNumberField.getType()) {
      String documentNumber = documentNumberField.getValueAsString();
      System.out.printf("Document number: %s, confidence: %.2f%n",
        documentNumber, documentNumberField.getConfidence());
    }
  }

  DocumentField firstNameField = licenseFields.get("FirstName");
  if (firstNameField != null) {
    if (DocumentFieldType.STRING == firstNameField.getType()) {
      String firstName = firstNameField.getValueAsString();
      System.out.printf("First Name: %s, confidence: %.2f%n",
        firstName, documentNumberField.getConfidence());
    }
  }

  DocumentField lastNameField = licenseFields.get("LastName");
  if (lastNameField != null) {
    if (DocumentFieldType.STRING == lastNameField.getType()) {
      String lastName = lastNameField.getValueAsString();
      System.out.printf("Last name: %s, confidence: %.2f%n",
        lastName, lastNameField.getConfidence());
    }
  }

  DocumentField regionField = licenseFields.get("Region");
  if (regionField != null) {
    if (DocumentFieldType.STRING == regionField.getType()) {
      String region = regionField.getValueAsString();
      System.out.printf("Region: %s, confidence: %.2f%n",
        region, regionField.getConfidence());
    }
  }
}
}
}

GitHub'daki Azure örnekleri deposunu ziyaret edin ve kimlik belgesi modeli çıkışını görüntüleyin.

İstemci kitaplığı | REST API başvuru | Paketi (npm) | Desteklenen REST API sürümü örnekleri |

Önkoşullar

• Azure aboneliği - Ücretsiz bir abonelik oluşturun.

• Visual Studio Code'un en son sürümü veya tercih ettiğiniz IDE. Daha fazla bilgi için bkz . Visual Studio Code'da Node.js.

• Node.js'nin en son LTS sürümü.

• Azure AI hizmetleri veya Belge Zekası kaynağı. Tek hizmetli veya çok hizmetli bir oluşturma. Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

  İpucu

  Tek bir uç nokta ve anahtar kullanarak birden çok Azure AI hizmetine erişmeyi planlıyorsanız bir Azure AI hizmetleri kaynağı oluşturun. Yalnızca Belge Yönetim Bilgileri erişimi için bir Belge Yönetim Bilgileri kaynağı oluşturun. Microsoft Entra kimlik doğrulamasını kullanmak istiyorsanız tek hizmetli bir kaynağa ihtiyacınız vardır.

• Uygulamanızı Azure Belge Zekası hizmetine bağlamak için oluşturduğunuz kaynaktan alınan anahtar ve uç nokta.

  1. Kaynağınız dağıtıldıktan sonra Kaynağa git'i seçin.
  2. Sol gezinti menüsünde Anahtarlar ve Uç Nokta'yı seçin.
  3. Bu makalenin devamında kullanmak üzere anahtarlardan birini ve Uç Nokta'yı kopyalayın.

  

• URL'deki belge dosyası. Bu proje için, her özellik için aşağıdaki tabloda sağlanan örnek formları kullanabilirsiniz:

  Özellik	modelKIMİ	belge url'si
  Modeli okuma	önceden oluşturulmuş okuma	Örnek broşür
  Düzen modeli	önceden oluşturulmuş düzen	Örnek rezervasyon onayı
  W-2 form modeli	prebuilt-tax.us.w2	Örnek W-2 formu
  Fatura modeli	önceden oluşturulmuş fatura	Örnek fatura
  Makbuz modeli	önceden oluşturulmuş makbuz	Örnek alındı bilgisi
  Kimlik belgesi modeli	prebuilt-idDocument	Örnek Kimlik belgesi

Ortam değişkenlerinizi ayarlama

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentAnalysisClient oluşturmanız gerekir. Bunu yapmak için azure portalından ve endpoint ile key istemcinin örneğini oluşturun. Bu projede, kimlik bilgilerini depolamak ve bunlara erişmek için ortam değişkenlerini kullanın.

Önemli

Anahtarınızı doğrudan koda eklemeyin ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamak ve erişmek için güvenli bir yol kullanın. Daha fazla bilgi için bkz . Azure AI hizmetleri güvenliği.

Belge Yönetim Bilgileri kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminizle geliştirme ortamınıza yönelik yönergeleri izleyin. YourKey> ve< yourEndpoint> değerlerini Azure portalındaki kaynağınızdaki değerlerle değiştirin.<

Windows

Windows'taki ortam değişkenleri büyük/küçük harfe duyarlı değildir. Bunlar genellikle büyük harfle bildirilerek sözcükler alt çizgiyle birleştirilir. Komut isteminde aşağıdaki komutları çalıştırın:

1. Anahtar değişkeninizi ayarlayın:

   setx DI_KEY <yourKey>
   

2. Uç nokta değişkeninizi ayarlama

   setx DI_ENDPOINT <yourEndpoint>
   

3. Ortam değişkenlerinizi ayarladıktan sonra Komut İstemi penceresini kapatın. Değerler siz yeniden değiştirene kadar kalır.

4. Ortam değişkenini okuyan tüm çalışan programları yeniden başlatın. Örneğin, düzenleyici olarak Visual Studio veya Visual Studio Code kullanıyorsanız, örnek kodu çalıştırmadan önce yeniden başlatın.

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
setx VARIABLE_NAME=	Değeri boş bir dizeye ayarlayarak ortam değişkenini silin.	setx DI_KEY=
setx VARIABLE_NAME=value	Ortam değişkeninin değerini ayarlayın veya değiştirin.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin.	set DI_KEY
set	Tüm ortam değişkenlerini görüntüleyin.	set

macOS

macOS'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer. Terminalinizi açın ve aşağıdaki komutları girin:

1. Anahtar değişkeninizi ayarlayın:

   export key=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export endpoint=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bash_profile başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bash_profile dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Örnek: export DI_KEY="<yourKey>"

2. Değişikliklerinizi bash_profile dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bash-profile
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Linux

Linux'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer:

1. Anahtar değişkeninizi ayarlayın:

   export DI_KEY=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export DI_ENDPOINT=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bashrc başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bashrc dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export <VARIABLE>=<value>
   

   Örnek: export DI_KEY=<yourKey>

2. Değişikliklerinizi .bashrc dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bashrc
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY=
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Ortam değişkeninin değerini görüntüleme. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Programlama ortamınızı ayarlama

Node.js Express uygulaması oluşturun.

1. Konsol penceresinde oluşturun ve uygulamanız için adlı doc-intel-appyeni bir dizine gidin.

   mkdir doc-intel-app
   cd doc-intel-app
   

2. npm init Uygulamayı başlatmak ve projenizin iskelesini yapmak için komutunu çalıştırın.

   npm init
   

3. Terminalde sunulan istemleri kullanarak projenizin özniteliklerini belirtin.

   • En önemli öznitelikler ad, sürüm numarası ve giriş noktasıdır.
   • Giriş noktası adı için saklamanızı index.js öneririz. Açıklama, test komutu, GitHub deposu, anahtar sözcükler, yazar ve lisans bilgileri isteğe bağlı özniteliklerdir. Bu proje için bunları atlayabilirsiniz.
   • Önerileri parantez içinde kabul etmek için Enter'ı seçin.

   İstemleri tamamladıktan sonra komut, doc-intel-app dizininizde bir package.json dosya oluşturur.

4. İstemci kitaplığını ai-document-intelligence ve azure/identity npm paketlerini yükleyin:

   npm i @azure-rest/ai-document-intelligence@1.0.0-beta.2 @azure/identity
   

Uygulamanızın package.json dosyası bağımlılıklarla güncelleştirilir.

1. Uygulama dizininde index.js adlı bir dosya oluşturun.

   İpucu

   PowerShell kullanarak yeni bir dosya oluşturabilirsiniz. Shift tuşunu basılı tutarak ve klasöre sağ tıklayarak proje dizininizde bir PowerShell penceresi açın ve aşağıdaki komutu yazın: Yeni Öğe index.js.

Uygulamanızı derleme

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentIntelligenceClient oluşturmanız gerekir. Bunu yapmak için Azure portalından anahtarınızla ve ve Belge Zekası uç noktanızla bir DocumentIntelligenceClientAzureKeyCredential örnek oluşturursunuzAzureKeyCredential.

index.js Dosyayı Visual Studio Code'da veya sık kullandığınız IDE'de açın ve aşağıdaki kod örneklerinden birini seçin ve uygulamanıza kopyalayıp yapıştırın:

• Önceden oluşturulmuş okuma modeli tüm Belge Zekası modellerinin temelini oluşturur ve satırları, sözcükleri, konumları ve dilleri algılayabilir. Düzen, genel belge, önceden oluşturulmuş ve özel modellerin read tümü, belgelerden metin ayıklamak için temel olarak modeli kullanır.
• Önceden oluşturulmuş düzen modeli, belgelerden ve görüntülerden metin ve metin konumlarını, tabloları, seçim işaretlerini ve yapı bilgilerini ayıklar.
• Önceden oluşturulmuş tax.us.w2 modeli, ABD İç Gelir Hizmeti (IRS) vergi formlarında bildirilen bilgileri ayıklar.
• Önceden oluşturulmuş fatura modeli, ABD İç Gelir Hizmeti vergi formlarında bildirilen bilgileri ayıklar.
• Önceden oluşturulmuş makbuz modeli, yazdırılan ve el yazısı satış makbuzlarından önemli bilgileri ayıklar.
• Önceden oluşturulmuş-idDocument modeli, ABD Sürücü Lisanslarından önemli bilgileri ayıklar; uluslararası pasaport biyografi sayfaları; ABD durum kimlikleri; sosyal güvenlik kartları; ve kalıcı ikamet kartları.

Okuma modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const documentUrlRead = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png"

// helper function
function* getTextOfSpans(content, spans) {
    for (const span of spans) {
        yield content.slice(span.offset, span.offset + span.length);
    }
}

async function main() {
    // create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));
    const poller = await client.beginAnalyzeDocument("prebuilt-read", documentUrlRead);

    const {
        content,
        pages,
        languages,
        styles
    } = await poller.pollUntilDone();

    if (pages.length <= 0) {
        console.log("No pages were extracted from the document.");
    } else {
        console.log("Pages:");
        for (const page of pages) {
            console.log("- Page", page.pageNumber, `(unit: ${page.unit})`);
            console.log(`  ${page.width}x${page.height}, angle: ${page.angle}`);
            console.log(`  ${page.lines.length} lines, ${page.words.length} words`);

            if (page.lines.length > 0) {
                console.log("  Lines:");

                for (const line of page.lines) {
                    console.log(`  - "${line.content}"`);

                    // The words of the line can also be iterated independently. The words are computed based on their
                    // corresponding spans.
                    for (const word of line.words()) {
                        console.log(`    - "${word.content}"`);
                    }
                }
            }
        }
    }

    if (languages.length <= 0) {
        console.log("No language spans were extracted from the document.");
    } else {
        console.log("Languages:");
        for (const languageEntry of languages) {
            console.log(
                `- Found language: ${languageEntry.languageCode} (confidence: ${languageEntry.confidence})`
            );
            for (const text of getTextOfSpans(content, languageEntry.spans)) {
                const escapedText = text.replace(/\r?\n/g, "\\n").replace(/"/g, '\\"');
                console.log(`  - "${escapedText}"`);
            }
        }
    }

    if (styles.length <= 0) {
        console.log("No text styles were extracted from the document.");
    } else {
        console.log("Styles:");
        for (const style of styles) {
            console.log(
                `- Handwritten: ${style.isHandwritten ? "yes" : "no"} (confidence=${style.confidence})`
            );

            for (const word of getTextOfSpans(content, style.spans)) {
                console.log(`  - "${word}"`);
            }
        }
    }
}

main().catch((error) => {
    console.error("An error occurred:", error);
    process.exit(1);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve model çıkışını readgörüntüleyin.

Düzen modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const layoutUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png"

async function main() {
    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

    const poller = await client.beginAnalyzeDocument(
      "prebuilt-layout", layoutUrl);

    // Layout extraction produces basic elements such as pages, words, lines, etc. as well as information about the
    // appearance (styles) of textual elements.
    const { pages, tables } = await poller.pollUntilDone();

    if (!pages || pages.length <= 0) {
      console.log("No pages were extracted from the document.");
    } else {
      console.log("Pages:");
      for (const page of pages) {
        console.log("- Page", page.pageNumber, `(unit: ${page.unit})`);
        console.log(`  ${page.width}x${page.height}, angle: ${page.angle}`);
        console.log(
          `  ${page.lines && page.lines.length} lines, ${page.words && page.words.length} words`
        );

        if (page.lines && page.lines.length > 0) {
          console.log("  Lines:");

          for (const line of page.lines) {
            console.log(`  - "${line.content}"`);

            // The words of the line can also be iterated independently. The words are computed based on their
            // corresponding spans.
            for (const word of line.words()) {
              console.log(`    - "${word.content}"`);
            }
          }
        }
      }
    }

    if (!tables || tables.length <= 0) {
      console.log("No tables were extracted from the document.");
    } else {
      console.log("Tables:");
      for (const table of tables) {
        console.log(
          `- Extracted table: ${table.columnCount} columns, ${table.rowCount} rows (${table.cells.length} cells)`
        );
      }
    }
  }

  main().catch((error) => {
    console.error("An error occurred:", error);
    process.exit(1);
  });

GitHub'daki Azure örnekleri deposunu ziyaret edin ve düzen modeli çıkışını görüntüleyin.

Genel belge modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const documentUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf"

async function main() {
    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

    const poller = await client.beginAnalyzeDocument("prebuilt-document", documentUrl);

    const {
        keyValuePairs
    } = await poller.pollUntilDone();

    if (!keyValuePairs || keyValuePairs.length <= 0) {
        console.log("No key-value pairs were extracted from the document.");
    } else {
        console.log("Key-Value Pairs:");
        for (const {
                key,
                value,
                confidence
            } of keyValuePairs) {
            console.log("- Key  :", `"${key.content}"`);
            console.log("  Value:", `"${(value && value.content) || "<undefined>"}" (${confidence})`);
        }
    }

}

main().catch((error) => {
    console.error("An error occurred:", error);
    process.exit(1);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve genel belge modeli çıkışını görüntüleyin.

W-2 vergi modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

const w2DocumentURL = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png"

async function main() {
 const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

 const poller = await client.beginAnalyzeDocument("prebuilt-tax.us.w2", w2DocumentURL);

 const {
   documents: [result]
 } = await poller.pollUntilDone();

  if (result) {
    const { Employee, Employer, ControlNumber, TaxYear, AdditionalInfo } = result.fields;

    if (Employee) {
      const { Name, Address, SocialSecurityNumber } = Employee.properties;
      console.log("Employee:");
      console.log("  Name:", Name && Name.content);
      console.log("  SSN/TIN:", SocialSecurityNumber && SocialSecurityNumber.content);
      if (Address && Address.value) {
        const { streetAddress, postalCode } = Address.value;
        console.log("  Address:");
        console.log("    Street Address:", streetAddress);
        console.log("    Postal Code:", postalCode);
      }
    } else {
      console.log("No employee information extracted.");
    }

    if (Employer) {
      const { Name, Address, IdNumber } = Employer.properties;
      console.log("Employer:");
      console.log("  Name:", Name && Name.content);
      console.log("  ID (EIN):", IdNumber && IdNumber.content);

      if (Address && Address.value) {
        const { streetAddress, postalCode } = Address.value;
        console.log("  Address:");
        console.log("    Street Address:", streetAddress);
        console.log("    Postal Code:", postalCode);
      }
    } else {
      console.log("No employer information extracted.");
    }

    console.log("Control Number:", ControlNumber && ControlNumber.content);
    console.log("Tax Year:", TaxYear && TaxYear.content);

    if (AdditionalInfo) {
      console.log("Additional Info:");

      for (const info of AdditionalInfo.values) {
        const { LetterCode, Amount } = info.properties;
        console.log(`- ${LetterCode && LetterCode.content}: ${Amount && Amount.content}`);
      }
    }
  } else {
    throw new Error("Expected at least one document in the result.");
  }
}

main().catch((error) => {
  console.error(error);
  process.exit(1);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve W-2 vergi modeli çıkışını görüntüleyin.

Fatura modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample url
const invoiceUrl = "https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf";

async function main() {

  const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

  const poller = await client.beginAnalyzeDocument("prebuilt-invoice", invoiceUrl);

  const {
      documents: [result]
  } = await poller.pollUntilDone();

  if (result) {
      const invoice = result.fields;

      console.log("Vendor Name:", invoice.VendorName?.content);
      console.log("Customer Name:", invoice.CustomerName?.content);
      console.log("Invoice Date:", invoice.InvoiceDate?.content);
      console.log("Due Date:", invoice.DueDate?.content);

      console.log("Items:");
      for (const {
              properties: item
          } of invoice.Items?.values ?? []) {
          console.log("-", item.ProductCode?.content ?? "<no product code>");
          console.log("  Description:", item.Description?.content);
          console.log("  Quantity:", item.Quantity?.content);
          console.log("  Date:", item.Date?.content);
          console.log("  Unit:", item.Unit?.content);
          console.log("  Unit Price:", item.UnitPrice?.content);
          console.log("  Tax:", item.Tax?.content);
          console.log("  Amount:", item.Amount?.content);
      }

      console.log("Subtotal:", invoice.SubTotal?.content);
      console.log("Previous Unpaid Balance:", invoice.PreviousUnpaidBalance?.content);
      console.log("Tax:", invoice.TotalTax?.content);
      console.log("Amount Due:", invoice.AmountDue?.content);
  } else {
      throw new Error("Expected at least one receipt in the result.");
  }
}

main().catch((error) => {
  console.error("An error occurred:", error);
  process.exit(1);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve fatura modeli çıkışını görüntüleyin.

Alındı modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample url
const receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png";

async function main() {

    const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

    const poller = await client.beginAnalyzeDocument("prebuilt-receipt", receiptUrl);

    const {
        documents: [result]
    } = await poller.pollUntilDone();

    if (result) {
        const {
            MerchantName,
            Items,
            Total
        } = result.fields;

        console.log("=== Receipt Information ===");
        console.log("Type:", result.docType);
        console.log("Merchant:", MerchantName && MerchantName.content);

        console.log("Items:");
        for (const item of (Items && Items.values) || []) {
            const {
                Description,
                TotalPrice
            } = item.properties;

            console.log("- Description:", Description && Description.content);
            console.log("  Total Price:", TotalPrice && TotalPrice.content);
        }

        console.log("Total:", Total && Total.content);
    } else {
        throw new Error("Expected at least one receipt in the result.");
    }

}

main().catch((err) => {
    console.error("The sample encountered an error:", err);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve makbuz modeli çıkışını görüntüleyin.

Kimlik belgesi modelini kullanma

const { DocumentIntelligenceClient } = require("@azure-rest/ai-document-intelligence");
const  { AzureKeyCredential } = require("@azure/core-auth");

//use your `key` and `endpoint` environment variables
const key = process.env['DI_KEY'];
const endpoint = process.env['DI_ENDPOINT'];

// sample document
const idDocumentURL = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png"

async function main() {
 const client = DocumentIntelligence(endpoint, new AzureKeyCredential(key));

 const poller = await client.beginAnalyzeDocument("prebuilt-idDocument", idDocumentURL);

 const {
   documents: [result]
 } = await poller.pollUntilDone();

  if (result) {
// The identity document model has multiple document types, so we need to know which document type was actually
    extracted.
    if (result.docType === "idDocument.driverLicense") {
      const { FirstName, LastName, DocumentNumber, DateOfBirth, DateOfExpiration, Height, Weight, EyeColor, Endorsements, Restrictions, VehicleClassifications} = result.fields;

// For the sake of the example, we'll only show a few of the fields that are produced.
      console.log("Extracted a Driver License:");
      console.log("  Name:", FirstName && FirstName.content, LastName && LastName.content);
      console.log("  License No.:", DocumentNumber && DocumentNumber.content);
      console.log("  Date of Birth:", DateOfBirth && DateOfBirth.content);
      console.log("  Expiration:", DateOfExpiration && DateOfExpiration.content);
      console.log("  Height:", Height && Height.content);
      console.log("  Weight:", Weight && Weight.content);
      console.log("  Eye color:", EyeColor && EyeColor.content);
      console.log("  Restrictions:", Restrictions && Restrictions.content);
      console.log("  Endorsements:", Endorsements && Endorsements.content);
      console.log("  Class:", VehicleClassifications && VehicleClassifications.content);
    } else if (result.docType === "idDocument.passport") {
// The passport document type extracts and parses the Passport's machine-readable zone
      if (!result.fields.machineReadableZone) {
        throw new Error("No Machine Readable Zone extracted from passport.");
      }

      const {
        FirstName,
        LastName,
        DateOfBirth,
        Nationality,
        DocumentNumber,
        CountryRegion,
        DateOfExpiration,
      } = result.fields.machineReadableZone.properties;

      console.log("Extracted a Passport:");
      console.log("  Name:", FirstName && FirstName.content, LastName && LastName.content);
      console.log("  Date of Birth:", DateOfBirth && DateOfBirth.content);
      console.log("  Nationality:", Nationality && Nationality.content);
      console.log("  Passport No.:", DocumentNumber && DocumentNumber.content);
      console.log("  Issuer:", CountryRegion && CountryRegion.content);
      console.log("  Expiration Date:", DateOfExpiration && DateOfExpiration.content);
    } else {
// The only reason this would happen is if the client library's schema for the prebuilt identity document model is
      out of date, and a new document type has been introduced.
      console.error("Unknown document type in result:", result);
    }
  } else {
    throw new Error("Expected at least one receipt in the result.");
  }
}

main().catch((error) => {
  console.error("An error occurred:", error);
  process.exit(1);
});

GitHub'daki Azure örnekleri deposunu ziyaret edin ve kimlik belgesi modeli çıkışını görüntüleyin.

İstemci kitaplığı |SDK başvurusu | REST API başvuru | Paketi (PyPi) | Örnekleri | Desteklenen REST API sürümü

Önkoşullar

• Azure aboneliği - Ücretsiz bir abonelik oluşturun.

• Python 3.7 veya üzeri. Python yüklemeniz pip içermelidir. Pip'in yüklü olup olmadığını denetlemek için komut satırında komutunu çalıştırabilirsiniz pip --version . Python'ın en son sürümünü yükleyerek pip alın.

• Visual Studio Code'un en son sürümü veya tercih ettiğiniz IDE. Bkz. Visual Studio Code'da Python ile Çalışmaya Başlama.

• Azure AI hizmetleri veya Belge Zekası kaynağı. Tek hizmetli veya çok hizmetli bir oluşturma. Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

• Uygulamanızı Azure Belge Zekası hizmetine bağlamak için oluşturduğunuz kaynaktan alınan anahtar ve uç nokta.

  1. Kaynağınız dağıtıldıktan sonra Kaynağa git'i seçin.
  2. Sol gezinti menüsünde Anahtarlar ve Uç Nokta'yı seçin.
  3. Bu makalenin devamında kullanmak üzere anahtarlardan birini ve Uç Nokta'yı kopyalayın.

  

• URL'deki belge dosyası. Bu proje için, her özellik için aşağıdaki tabloda sağlanan örnek formları kullanabilirsiniz:

  Özellik	modelKIMİ	belge url'si
  Modeli okuma	önceden oluşturulmuş okuma	Örnek broşür
  Düzen modeli	önceden oluşturulmuş düzen	Örnek rezervasyon onayı
  W-2 form modeli	prebuilt-tax.us.w2	Örnek W-2 formu
  Fatura modeli	önceden oluşturulmuş fatura	Örnek fatura
  Makbuz modeli	önceden oluşturulmuş makbuz	Örnek alındı bilgisi
  Kimlik belgesi modeli	prebuilt-idDocument	Örnek Kimlik belgesi

Ortam değişkenlerinizi ayarlama

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentAnalysisClient oluşturmanız gerekir. Bunu yapmak için azure portalından ve endpoint ile key istemcinin örneğini oluşturun. Bu projede, kimlik bilgilerini depolamak ve bunlara erişmek için ortam değişkenlerini kullanın.

Önemli

Anahtarınızı doğrudan koda eklemeyin ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamak ve erişmek için güvenli bir yol kullanın. Daha fazla bilgi için bkz . Azure AI hizmetleri güvenliği.

Belge Yönetim Bilgileri kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminizle geliştirme ortamınıza yönelik yönergeleri izleyin. YourKey> ve< yourEndpoint> değerlerini Azure portalındaki kaynağınızdaki değerlerle değiştirin.<

Windows

Windows'taki ortam değişkenleri büyük/küçük harfe duyarlı değildir. Bunlar genellikle büyük harfle bildirilerek sözcükler alt çizgiyle birleştirilir. Komut isteminde aşağıdaki komutları çalıştırın:

1. Anahtar değişkeninizi ayarlayın:

   setx DI_KEY <yourKey>
   

2. Uç nokta değişkeninizi ayarlama

   setx DI_ENDPOINT <yourEndpoint>
   

3. Ortam değişkenlerinizi ayarladıktan sonra Komut İstemi penceresini kapatın. Değerler siz yeniden değiştirene kadar kalır.

4. Ortam değişkenini okuyan tüm çalışan programları yeniden başlatın. Örneğin, düzenleyici olarak Visual Studio veya Visual Studio Code kullanıyorsanız, örnek kodu çalıştırmadan önce yeniden başlatın.

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
setx VARIABLE_NAME=	Değeri boş bir dizeye ayarlayarak ortam değişkenini silin.	setx DI_KEY=
setx VARIABLE_NAME=value	Ortam değişkeninin değerini ayarlayın veya değiştirin.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin.	set DI_KEY
set	Tüm ortam değişkenlerini görüntüleyin.	set

macOS

macOS'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer. Terminalinizi açın ve aşağıdaki komutları girin:

1. Anahtar değişkeninizi ayarlayın:

   export key=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export endpoint=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bash_profile başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bash_profile dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Örnek: export DI_KEY="<yourKey>"

2. Değişikliklerinizi bash_profile dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bash-profile
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Linux

Linux'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer:

1. Anahtar değişkeninizi ayarlayın:

   export DI_KEY=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export DI_ENDPOINT=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bashrc başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bashrc dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export <VARIABLE>=<value>
   

   Örnek: export DI_KEY=<yourKey>

2. Değişikliklerinizi .bashrc dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bashrc
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY=
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Ortam değişkeninin değerini görüntüleme. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Programlama ortamınızı ayarlama

Yerel ortamınızda bir konsol penceresi açın ve python için Azure AI Document Intelligence istemci kitaplığını pip ile yükleyin:

pip install azure-ai-documentintelligence==1.0.0b2

Python uygulamanızı oluşturma

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentIntelligenceClient oluşturmanız gerekir. Bunu yapmak için Azure portalından anahtarınızla ve ve Belge Zekası uç noktanızla bir DocumentIntelligenceClientAzureKeyCredential örnek oluşturursunuzAzureKeyCredential.

1. Düzenleyicide veya IDE'de form_recognizer_quickstart.py adlı yeni bir Python dosyası oluşturun.

2. form_recognizer_quickstart.py dosyasını açın ve aşağıdaki kod örneklerinden birini seçin ve uygulamanıza kopyalayıp yapıştırın:

   • Önceden oluşturulmuş okuma modeli tüm Belge Zekası modellerinin temelini oluşturur ve satırları, sözcükleri, konumları ve dilleri algılayabilir. Düzen, genel belge, önceden oluşturulmuş ve özel modellerin read tümü, belgelerden metin ayıklamak için temel olarak modeli kullanır.
   • Önceden oluşturulmuş düzen modeli, belgelerden ve görüntülerden metin ve metin konumlarını, tabloları, seçim işaretlerini ve yapı bilgilerini ayıklar.
   • Önceden oluşturulmuş tax.us.w2 modeli, ABD İç Gelir Hizmeti (IRS) vergi formlarında bildirilen bilgileri ayıklar.
   • Önceden oluşturulmuş fatura modeli, satış faturalarındaki önemli alanları ve satır öğelerini çeşitli biçimlerde ayıklar.
   • Önceden oluşturulmuş makbuz modeli, yazdırılan ve el yazısı satış makbuzlarından önemli bilgileri ayıklar.
   • Önceden oluşturulmuş-idDocument modeli, ABD Sürücü Lisanslarından önemli bilgileri ayıklar; uluslararası pasaport biyografi sayfaları; ABD durum kimlikleri; sosyal güvenlik kartları; ve kalıcı ikamet kartları.

3. Komut isteminden Python kodunu çalıştırın.

   python form_recognizer_quickstart.py
   

Okuma modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_polygon(polygon):
    if not polygon:
        return "N/A"
    return ", ".join(["[{}, {}]".format(p.x, p.y) for p in polygon])


def analyze_read():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png"

    client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = client.begin_analyze_document(
        "prebuilt-read", formUrl
    )
    result = poller.result()

    print("Document contains content: ", result.content)

    for idx, style in enumerate(result.styles):
        print(
            "Document contains {} content".format(
                "handwritten" if style.is_handwritten else "no handwritten"
            )
        )

    for page in result.pages:
        print("----Analyzing Read from page #{}----".format(page.page_number))
        print(
            "Page has width: {} and height: {}, measured with unit: {}".format(
                page.width, page.height, page.unit
            )
        )

        for line_idx, line in enumerate(page.lines):
            print(
                "...Line # {} has text content '{}' within bounding box '{}'".format(
                    line_idx,
                    line.content,
                    format_polygon(line.polygon),
                )
            )

        for word in page.words:
            print(
                "...Word '{}' has a confidence of {}".format(
                    word.content, word.confidence
                )
            )

    print("----------------------------------------")


if __name__ == "__main__":
    analyze_read()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve model çıkışını readgörüntüleyin.

Düzen modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult


# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_polygon(polygon):
    if not polygon:
        return "N/A"
    return ", ".join(["[{}, {}]".format(p.x, p.y) for p in polygon])


def analyze_layout():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png"

    client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = client.begin_analyze_document(
        "prebuilt-layout", formUrl
    )
    result = poller.result()

    for idx, style in enumerate(result.styles):
        print(
            "Document contains {} content".format(
                "handwritten" if style.is_handwritten else "no handwritten"
            )
        )

    for page in result.pages:
        print("----Analyzing layout from page #{}----".format(page.page_number))
        print(
            "Page has width: {} and height: {}, measured with unit: {}".format(
                page.width, page.height, page.unit
            )
        )

        for line_idx, line in enumerate(page.lines):
            words = line.get_words()
            print(
                "...Line # {} has word count {} and text '{}' within bounding box '{}'".format(
                    line_idx,
                    len(words),
                    line.content,
                    format_polygon(line.polygon),
                )
            )

            for word in words:
                print(
                    "......Word '{}' has a confidence of {}".format(
                        word.content, word.confidence
                    )
                )

        for selection_mark in page.selection_marks:
            print(
                "...Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
                    selection_mark.state,
                    format_polygon(selection_mark.polygon),
                    selection_mark.confidence,
                )
            )

    for table_idx, table in enumerate(result.tables):
        print(
            "Table # {} has {} rows and {} columns".format(
                table_idx, table.row_count, table.column_count
            )
        )
        for region in table.bounding_regions:
            print(
                "Table # {} location on page: {} is {}".format(
                    table_idx,
                    region.page_number,
                    format_polygon(region.polygon),
                )
            )
        for cell in table.cells:
            print(
                "...Cell[{}][{}] has content '{}'".format(
                    cell.row_index,
                    cell.column_index,
                    cell.content,
                )
            )
            for region in cell.bounding_regions:
                print(
                    "...content on page {} is within bounding box '{}'".format(
                        region.page_number,
                        format_polygon(region.polygon),
                    )
                )

    print("----------------------------------------")


if __name__ == "__main__":
    analyze_layout()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve düzen modeli çıkışını görüntüleyin.

Genel belge modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_bounding_region(bounding_regions):
    if not bounding_regions:
        return "N/A"
    return ", ".join("Page #{}: {}".format(region.page_number, format_polygon(region.polygon)) for region in bounding_regions)

# formatting function
def format_polygon(polygon):
    if not polygon:
        return "N/A"
    return ", ".join(["[{}, {}]".format(p.x, p.y) for p in polygon])


def analyze_general_documents():
    # sample document
    docUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-layout.pdf"

    # create your `DocumentIntelligenceClient` instance and `AzureKeyCredential` variable
   client = DocumentIntelligenceClient(endpoint=endpoint, credential=AzureKeyCredential(key))

    poller = client.begin_analyze_document(
            "prebuilt-document", docUrl)
    result = poller.result()

    for style in result.styles:
        if style.is_handwritten:
            print("Document contains handwritten content: ")
            print(",".join([result.content[span.offset:span.offset + span.length] for span in style.spans]))

    print("----Key-value pairs found in document----")
    for kv_pair in result.key_value_pairs:
        if kv_pair.key:
            print(
                    "Key '{}' found within '{}' bounding regions".format(
                        kv_pair.key.content,
                        format_bounding_region(kv_pair.key.bounding_regions),
                    )
                )
        if kv_pair.value:
            print(
                    "Value '{}' found within '{}' bounding regions\n".format(
                        kv_pair.value.content,
                        format_bounding_region(kv_pair.value.bounding_regions),
                    )
                )

    for page in result.pages:
        print("----Analyzing document from page #{}----".format(page.page_number))
        print(
            "Page has width: {} and height: {}, measured with unit: {}".format(
                page.width, page.height, page.unit
            )
        )

        for line_idx, line in enumerate(page.lines):
            print(
                "...Line # {} has text content '{}' within bounding box '{}'".format(
                    line_idx,
                    line.content,
                    format_polygon(line.polygon),
                )
            )

        for word in page.words:
            print(
                "...Word '{}' has a confidence of {}".format(
                    word.content, word.confidence
                )
            )

        for selection_mark in page.selection_marks:
            print(
                "...Selection mark is '{}' within bounding box '{}' and has a confidence of {}".format(
                    selection_mark.state,
                    format_polygon(selection_mark.polygon),
                    selection_mark.confidence,
                )
            )

    for table_idx, table in enumerate(result.tables):
        print(
            "Table # {} has {} rows and {} columns".format(
                table_idx, table.row_count, table.column_count
            )
        )
        for region in table.bounding_regions:
            print(
                "Table # {} location on page: {} is {}".format(
                    table_idx,
                    region.page_number,
                    format_polygon(region.polygon),
                )
            )
        for cell in table.cells:
            print(
                "...Cell[{}][{}] has content '{}'".format(
                    cell.row_index,
                    cell.column_index,
                    cell.content,
                )
            )
            for region in cell.bounding_regions:
                print(
                    "...content on page {} is within bounding box '{}'\n".format(
                        region.page_number,
                        format_polygon(region.polygon),
                    )
                )
    print("----------------------------------------")


if __name__ == "__main__":
    analyze_general_documents()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve genel belge modeli çıkışını görüntüleyin.

W-2 vergi modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_address_value(address_value):
    return f"\n......House/building number: {address_value.house_number}\n......Road: {address_value.road}\n......City: {address_value.city}\n......State: {address_value.state}\n......Postal code: {address_value.postal_code}"


def analyze_tax_us_w2():
    # sample document
    formUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png"

    client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = client.begin_analyze_document(
        "prebuilt-tax.us.w2", formUrl
    )
    w2s = poller.result()

    for idx, w2 in enumerate(w2s.documents):
         print("--------Analyzing US Tax W-2 Form #{}--------".format(idx   1))
        form_variant = w2.fields.get("W2FormVariant")
        if form_variant:
            print(
                "Form variant: {} has confidence: {}".format(
                    form_variant.value, form_variant.confidence
                )
            )
        tax_year = w2.fields.get("TaxYear")
        if tax_year:
            print(
                "Tax year: {} has confidence: {}".format(
                    tax_year.value, tax_year.confidence
                )
            )
        w2_copy = w2.fields.get("W2Copy")
        if w2_copy:
            print(
                "W-2 Copy: {} has confidence: {}".format(
                    w2_copy.value,
                    w2_copy.confidence,
                )
            )
        employee = w2.fields.get("Employee")
        if employee:
            print("Employee data:")
            employee_name = employee.value.get("Name")
            if employee_name:
                print(
                    "...Name: {} has confidence: {}".format(
                        employee_name.value, employee_name.confidence
                    )
                )
            employee_ssn = employee.value.get("SocialSecurityNumber")
            if employee_ssn:
                print(
                    "...SSN: {} has confidence: {}".format(
                        employee_ssn.value, employee_ssn.confidence
                    )
                )
            employee_address = employee.value.get("Address")
            if employee_address:
                print(
                    "...Address: {}\n......has confidence: {}".format(
                        format_address_value(employee_address.value),
                        employee_address.confidence,
                    )
                )
            employee_zipcode = employee.value.get("ZipCode")
            if employee_zipcode:
                print(
                    "...Zipcode: {} has confidence: {}".format(
                        employee_zipcode.value, employee_zipcode.confidence
                    )
                )
        control_number = w2.fields.get("ControlNumber")
        if control_number:
            print(
                "Control Number: {} has confidence: {}".format(
                    control_number.value, control_number.confidence
                )
            )
        employer = w2.fields.get("Employer")
        if employer:
            print("Employer data:")
            employer_name = employer.value.get("Name")
            if employer_name:
                print(
                    "...Name: {} has confidence: {}".format(
                        employer_name.value, employer_name.confidence
                    )
                )
            employer_id = employer.value.get("IdNumber")
            if employer_id:
                print(
                    "...ID Number: {} has confidence: {}".format(
                        employer_id.value, employer_id.confidence
                    )
                )
            employer_address = employer.value.get("Address")
            if employer_address:
                print(
                    "...Address: {}\n......has confidence: {}".format(
                        format_address_value(employer_address.value),
                        employer_address.confidence,
                    )
                )
            employer_zipcode = employer.value.get("ZipCode")
            if employer_zipcode:
                print(
                    "...Zipcode: {} has confidence: {}".format(
                        employer_zipcode.value, employer_zipcode.confidence
                    )
                )
        wages_tips = w2.fields.get("WagesTipsAndOtherCompensation")
        if wages_tips:
            print(
                "Wages, tips, and other compensation: {} has confidence: {}".format(
                    wages_tips.value,
                    wages_tips.confidence,
                )
            )
        fed_income_tax_withheld = w2.fields.get("FederalIncomeTaxWithheld")
        if fed_income_tax_withheld:
            print(
                "Federal income tax withheld: {} has confidence: {}".format(
                    fed_income_tax_withheld.value, fed_income_tax_withheld.confidence
                )
            )
        social_security_wages = w2.fields.get("SocialSecurityWages")
        if social_security_wages:
            print(
                "Social Security wages: {} has confidence: {}".format(
                    social_security_wages.value, social_security_wages.confidence
                )
            )
        social_security_tax_withheld = w2.fields.get("SocialSecurityTaxWithheld")
        if social_security_tax_withheld:
            print(
                "Social Security tax withheld: {} has confidence: {}".format(
                    social_security_tax_withheld.value,
                    social_security_tax_withheld.confidence,
                )
            )
        medicare_wages_tips = w2.fields.get("MedicareWagesAndTips")
        if medicare_wages_tips:
            print(
                "Medicare wages and tips: {} has confidence: {}".format(
                    medicare_wages_tips.value, medicare_wages_tips.confidence
                )
            )
        medicare_tax_withheld = w2.fields.get("MedicareTaxWithheld")
        if medicare_tax_withheld:
            print(
                "Medicare tax withheld: {} has confidence: {}".format(
                    medicare_tax_withheld.value, medicare_tax_withheld.confidence
                )
            )
        social_security_tips = w2.fields.get("SocialSecurityTips")
        if social_security_tips:
            print(
                "Social Security tips: {} has confidence: {}".format(
                    social_security_tips.value, social_security_tips.confidence
                )
            )
        allocated_tips = w2.fields.get("AllocatedTips")
        if allocated_tips:
            print(
                "Allocated tips: {} has confidence: {}".format(
                    allocated_tips.value,
                    allocated_tips.confidence,
                )
            )
        verification_code = w2.fields.get("VerificationCode")
        if verification_code:
            print(
                "Verification code: {} has confidence: {}".format(
                    verification_code.value, verification_code.confidence
                )
            )
        dependent_care_benefits = w2.fields.get("DependentCareBenefits")
        if dependent_care_benefits:
            print(
                "Dependent care benefits: {} has confidence: {}".format(
                    dependent_care_benefits.value,
                    dependent_care_benefits.confidence,
                )
            )
        non_qualified_plans = w2.fields.get("NonQualifiedPlans")
        if non_qualified_plans:
            print(
                "Non-qualified plans: {} has confidence: {}".format(
                    non_qualified_plans.value,
                    non_qualified_plans.confidence,
                )
            )
        additional_info = w2.fields.get("AdditionalInfo")
        if additional_info:
            print("Additional information:")
            for item in additional_info.value:
                letter_code = item.value.get("LetterCode")
                if letter_code:
                    print(
                        "...Letter code: {} has confidence: {}".format(
                            letter_code.value, letter_code.confidence
                        )
                    )
                amount = item.value.get("Amount")
                if amount:
                    print(
                        "...Amount: {} has confidence: {}".format(
                            amount.value, amount.confidence
                        )
                    )
        is_statutory_employee = w2.fields.get("IsStatutoryEmployee")
        if is_statutory_employee:
            print(
                "Is statutory employee: {} has confidence: {}".format(
                    is_statutory_employee.value, is_statutory_employee.confidence
                )
            )
        is_retirement_plan = w2.fields.get("IsRetirementPlan")
        if is_retirement_plan:
            print(
                "Is retirement plan: {} has confidence: {}".format(
                    is_retirement_plan.value, is_retirement_plan.confidence
                )
            )
        third_party_sick_pay = w2.fields.get("IsThirdPartySickPay")
        if third_party_sick_pay:
            print(
                "Is third party sick pay: {} has confidence: {}".format(
                    third_party_sick_pay.value, third_party_sick_pay.confidence
                )
            )
        other_info = w2.fields.get("Other")
        if other_info:
            print(
                "Other information: {} has confidence: {}".format(
                    other_info.value,
                    other_info.confidence,
                )
            )
        state_tax_info = w2.fields.get("StateTaxInfos")
        if state_tax_info:
            print("State Tax info:")
            for tax in state_tax_info.value:
                state = tax.value.get("State")
                if state:
                    print(
                        "...State: {} has confidence: {}".format(
                            state.value, state.confidence
                        )
                    )
                employer_state_id_number = tax.value.get("EmployerStateIdNumber")
                if employer_state_id_number:
                    print(
                        "...Employer state ID number: {} has confidence: {}".format(
                            employer_state_id_number.value,
                            employer_state_id_number.confidence,
                        )
                    )
                state_wages_tips = tax.value.get("StateWagesTipsEtc")
                if state_wages_tips:
                    print(
                        "...State wages, tips, etc: {} has confidence: {}".format(
                            state_wages_tips.value, state_wages_tips.confidence
                        )
                    )
                state_income_tax = tax.value.get("StateIncomeTax")
                if state_income_tax:
                    print(
                        "...State income tax: {} has confidence: {}".format(
                            state_income_tax.value, state_income_tax.confidence
                        )
                    )
        local_tax_info = w2.fields.get("LocalTaxInfos")
        if local_tax_info:
            print("Local Tax info:")
            for tax in local_tax_info.value:
                local_wages_tips = tax.value.get("LocalWagesTipsEtc")
                if local_wages_tips:
                    print(
                        "...Local wages, tips, etc: {} has confidence: {}".format(
                            local_wages_tips.value, local_wages_tips.confidence
                        )
                    )
                local_income_tax = tax.value.get("LocalIncomeTax")
                if local_income_tax:
                    print(
                        "...Local income tax: {} has confidence: {}".format(
                            local_income_tax.value, local_income_tax.confidence
                        )
                    )
                locality_name = tax.value.get("LocalityName")
                if locality_name:
                    print(
                        "...Locality name: {} has confidence: {}".format(
                            locality_name.value, locality_name.confidence
                        )
                    )

                print("----------------------------------------")


if __name__ == "__main__":
    analyze_tax_us_w2()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve W-2 vergi modeli çıkışını görüntüleyin.

Fatura modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

# formatting function
def format_bounding_region(bounding_regions):
    if not bounding_regions:
        return "N/A"
    return ", ".join("Page #{}: {}".format(region.page_number, format_polygon(region.polygon)) for region in bounding_regions)

# formatting function
def format_polygon(polygon):
    if not polygon:
        return "N/A"
    return ", ".join(["[{}, {}]".format(p.x, p.y) for p in polygon])


def analyze_invoice():

    invoiceUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/sample-invoice.pdf"

    client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller = client.begin_analyze_document(
            "prebuilt-invoice", invoiceUrl)
    invoices = poller.result()

    for idx, invoice in enumerate(invoices.documents):
        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,
                )
            )

        print("----------------------------------------")

if __name__ == "__main__":
    analyze_invoice()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve fatura modeli çıkışını görüntüleyin.

Alındı modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

def analyze_receipts():
    # sample document
    receiptUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png"

   client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )
    poller = client.begin_analyze_document(
        "prebuilt-receipt", receiptUrl, locale="en-US"
    )
    receipts = poller.result()
    for idx, receipt in enumerate(receipts.documents):
         print("--------Analysis of receipt #{}--------".format(idx   1))
        print("Receipt type: {}".format(receipt.doc_type or "N/A"))
        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_description = item.value.get("Description")
                if item_description:
                    print(
                        "......Item Description: {} has confidence: {}".format(
                            item_description.value, item_description.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("TotalTax")
        if tax:
            print("Total 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("--------------------------------------")


if __name__ == "__main__":
    analyze_receipts()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve makbuz modeli çıkışını görüntüleyin.

Kimlik belgesi modelini kullanma

import os
from azure.core.credentials import AzureKeyCredential
from azure.ai.documentintelligence import DocumentIntelligenceClient
from azure.ai.documentintelligence.models import AnalyzeResult

# use your `key` and `endpoint` environment variables
key = os.environ.get('DI_KEY')
endpoint = os.environ.get('DI_ENDPOINT')

def analyze_identity_documents():
# sample document
    identityUrl = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png"

   client = DocumentIntelligenceClient(
        endpoint=endpoint, credential=AzureKeyCredential(key)
    )

    poller =client.begin_analyze_document(
            "prebuilt-idDocument", identityUrl
        )
    id_documents = poller.result()

    for idx, id_document in enumerate(id_documents.documents):
        print("--------Analyzing 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)
            )

        print("--------------------------------------")

if __name__ == "__main__":
    analyze_identity_documents()

GitHub'daki Azure örnekleri deposunu ziyaret edin ve kimlik belgesi modeli çıkışını görüntüleyin.

Not

Bu proje, REST API çağrılarını yürütmek için cURL komut satırı aracını kullanır.

| Belge Zekası REST API'sini | destekleyen Azure SDK'ları

Önkoşullar

• Azure aboneliği - Ücretsiz bir abonelik oluşturun.

• cURL komut satırı aracı yüklü. Windows 10 ve Windows 11, cURL'nin bir kopyasıyla birlikte gönderuluyor. Komut isteminde aşağıdaki cURL komutunu yazın. Yardım seçenekleri görüntüleniyorsa, cURL Windows ortamınıza yüklenir.

  curl -help
  

  cURL yüklü değilse buradan edinebilirsiniz:

  • Windows
  • Mac veya Linux

• Azure AI hizmetleri veya Belge Zekası kaynağı. Tek hizmetli veya çok hizmetli bir oluşturma. Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

• Uygulamanızı Azure Belge Zekası hizmetine bağlamak için oluşturduğunuz kaynaktan alınan anahtar ve uç nokta.

  1. Kaynağınız dağıtıldıktan sonra Kaynağa git'i seçin.
  2. Sol gezinti menüsünde Anahtarlar ve Uç Nokta'yı seçin.
  3. Bu makalenin devamında kullanmak üzere anahtarlardan birini ve Uç Nokta'yı kopyalayın.

  

Ortam değişkenlerinizi ayarlama

Belge Yönetim Bilgileri hizmetiyle etkileşim kurmak için sınıfının bir örneğini DocumentAnalysisClient oluşturmanız gerekir. Bunu yapmak için azure portalından ve endpoint ile key istemcinin örneğini oluşturun. Bu projede, kimlik bilgilerini depolamak ve bunlara erişmek için ortam değişkenlerini kullanın.

Önemli

Anahtarınızı doğrudan koda eklemeyin ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamak ve erişmek için güvenli bir yol kullanın. Daha fazla bilgi için bkz . Azure AI hizmetleri güvenliği.

Belge Yönetim Bilgileri kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminizle geliştirme ortamınıza yönelik yönergeleri izleyin. YourKey> ve< yourEndpoint> değerlerini Azure portalındaki kaynağınızdaki değerlerle değiştirin.<

Windows

Windows'taki ortam değişkenleri büyük/küçük harfe duyarlı değildir. Bunlar genellikle büyük harfle bildirilerek sözcükler alt çizgiyle birleştirilir. Komut isteminde aşağıdaki komutları çalıştırın:

1. Anahtar değişkeninizi ayarlayın:

   setx DI_KEY <yourKey>
   

2. Uç nokta değişkeninizi ayarlama

   setx DI_ENDPOINT <yourEndpoint>
   

3. Ortam değişkenlerinizi ayarladıktan sonra Komut İstemi penceresini kapatın. Değerler siz yeniden değiştirene kadar kalır.

4. Ortam değişkenini okuyan tüm çalışan programları yeniden başlatın. Örneğin, düzenleyici olarak Visual Studio veya Visual Studio Code kullanıyorsanız, örnek kodu çalıştırmadan önce yeniden başlatın.

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
setx VARIABLE_NAME=	Değeri boş bir dizeye ayarlayarak ortam değişkenini silin.	setx DI_KEY=
setx VARIABLE_NAME=value	Ortam değişkeninin değerini ayarlayın veya değiştirin.	setx DI_KEY=<yourKey>
set VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin.	set DI_KEY
set	Tüm ortam değişkenlerini görüntüleyin.	set

macOS

macOS'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer. Terminalinizi açın ve aşağıdaki komutları girin:

1. Anahtar değişkeninizi ayarlayın:

   export key=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export endpoint=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bash_profile başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bash_profile dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export DI_KEY=<yourKey> DI_ENDPOINT=<yourEndpoint>
   

   Örnek: export DI_KEY="<yourKey>"

2. Değişikliklerinizi bash_profile dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bash-profile
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY=<yourKey>
printenv VARIABLE_NAME echo $VARIABLE_NAME	Belirli bir ortam değişkeninin değerini görüntüleyin. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Linux

Linux'taki ortam değişkenleri büyük/küçük harfe duyarlıdır. Geleneksel olarak değişken adı büyük harflerle bildirilir.

export komutu değişkeni ayarlar ve diğer işlemler için kullanılabilen genel ortama aktarır. Ancak, değer geçicidir ve yalnızca terminal oturumunu kapatana kadar sürer:

1. Anahtar değişkeninizi ayarlayın:

   export DI_KEY=<yourKey>
   

2. Uç nokta değişkeninizi ayarlayın:

   export DI_ENDPOINT=<yourEndpoint>
   

Ortam değişkenini kalıcı olarak ayarlamak için Bash ~/.bashrc başlangıç betiğinize bir dışarı aktarma komutu yerleştirin:

1. ~/.bashrc dosyasını açmak için bir metin düzenleyicisi kullanın ve kalıcı bir ortam değişkeni oluşturmak için aşağıdaki komutu ekleyin:

   export <VARIABLE>=<value>
   

   Örnek: export DI_KEY=<yourKey>

2. Değişikliklerinizi .bashrc dosyasına kaydedin.

3. Değişiklikleri etkili hale getirmek için terminal pencerenizden aşağıdaki komutu çalıştırın:

   source ~/.bashrc
   

Ortam değişkenleriyle kullanmak için birkaç yararlı komut daha aşağıdadır:

Command	Eylem	Örnek
unset VARIABLE_NAME	Ortam değişkenlerini silin.	unset DI_KEY=
export VARIABLE_NAME=value	Geçici ortam değişkeninin değerini ayarlayın veya değiştirin.	export DI_KEY={yourKey}
printenv VARIABLE_NAME echo $VARIABLE_NAME	Ortam değişkeninin değerini görüntüleme. komutuyla echo değişkeninin önüne ile geçin $.	printenv DI_KEY echo $DI_KEY
printenv	Tüm ortam değişkenlerini görüntüleyin.	printenv

Belgeleri analiz etme ve sonuç alma

POST isteği, belgeleri önceden oluşturulmuş veya özel bir modelle analiz etmek için kullanılır. Get isteği, belge çözümleme çağrısının sonucunu almak için kullanılır. , modelId POST ve resultId GET işlemleriyle birlikte kullanılır.

Referans olarak aşağıdaki tabloyu kullanın. modelId> ve< document-url> değerlerini istediğiniz değerlerle değiştirin:<

Model	modelKimliği	açıklama	belge url'si
Modeli okuma	önceden oluşturulmuş okuma	Örnek broşür	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/read.png
Düzen modeli	önceden oluşturulmuş düzen	Örnek rezervasyon onayı	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/layout.png
W-2 form modeli	prebuilt-tax.us.w2	Örnek W-2 formu	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/w2.png
Fatura modeli	önceden oluşturulmuş fatura	Örnek fatura	https://github.com/Azure-Samples/cognitive-services-REST-api-samples/raw/master/curl/form-recognizer/rest-api/invoice.pdf
Makbuz modeli	önceden oluşturulmuş makbuz	Örnek alındı bilgisi	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/receipt.png
Kimlik belgesi modeli	prebuilt-idDocument	Örnek Kimlik belgesi	https://raw.githubusercontent.com/Azure-Samples/cognitive-services-REST-api-samples/master/curl/form-recognizer/rest-api/identity_documents.png

POST isteği

Bir konsol penceresi açın ve aşağıdaki cURL komutunu çalıştırın. Komutlar, daha önce ayarlanan ortam değişkenleri bölümünde oluşturulan uç nokta ve anahtar ortam değişkenlerini içerir. Değişken adlarınız farklıysa bu değişkenleri değiştirin. modelId> ve< document-url> parametrelerini değiştirmeyi <unutmayın.

curl -i -X POST "%DI_ENDPOINT%/documentintelligence/documentModels/{modelId}:analyze?api-version=2024-02-29-preview" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" --data-ascii "{'urlSource': '<document-url>'}"

Eklenti özelliklerini etkinleştirmek için POST isteğindeki sorgu parametresini kullanın features . (GA) ve sonraki sürümlerde 2023-07-31 kullanılabilen dört eklenti özelliği vardır: ocr.highResolution, ocr.formula, ocr.font ve queryFields.premium. Özelliklerin her biri hakkında daha fazla bilgi edinmek için bkz . Özel modeller.

Yalnızca Okuma ve Düzen modeli için highResolution, formül ve yazı tipi özelliklerini ve Genel Belgeler modeli için queryFields özelliğini çağırabilirsiniz. Aşağıdaki örnekte Düzen modeli için highResolution, formül ve yazı tipi özelliklerinin nasıl çağrılacakları gösterilmektedir.

curl -i -X POST "%DI_ENDPOINT%documentintelligence/documentModels/prebuilt-layout:analyze?features=ocr.highResolution,ocr.formula,ocr.font?api-version=2024-02-29-preview" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" --data-ascii "{'urlSource': '<document-url>'}"

POST yanıtı

Üst bilgi içeren bir 202 (Success)Operation-location yanıt alırsınız. Yanıt sonuçlarını almak için bu üst bilginin değerini kullanın.

Analiz sonucunu alma (GET İsteği)

API'yi çağırdıktan Analyze document sonra işlemin durumunu ve ayıklanan verileri almak için [Get analyze result}(/rest/api/aiservices/document-models/get-analyze-result?view=rest-aiservices-2024-02-29-preview&preserve-view=true&tabs=HTTP) API'sini çağırın.

cURL komut satırı aracı, JSON içeriği içeren API yanıtlarını biçimlendirmez ve bu da içeriğin okunmasını zorlaştırabilir. JSON yanıtını biçimlendirmek için, GET isteğinizle birlikte kanal karakterini ve ardından bir JSON biçimlendirme aracı ekleyin.

Windows

NodeJS json aracını cURL için JSON biçimlendiricisi olarak kullanın. Node.js yüklü değilse en son sürümü indirip yükleyin.

1. Aşağıdaki komutu kullanarak bir konsol penceresi açın ve json aracını yükleyin:

   npm install -g jsontool
   

2. GET isteklerinize kanal karakterini | json ekleyerek JSON çıkışını oldukça yazdırın.

   curl -i -X GET "<endpoint>documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json
   

macOS

json_pp komut aracı macOS ile birlikte sunulur ve cURL için JSON biçimlendirici olarak kullanılabilir.

• GET isteklerinizle birlikte ekleyerek | json_pp JSON çıkışını oldukça yazdırın.

  curl -i -X GET "{endpoint}documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json_pp
  

Linux

json_pp komut satırı aracı çoğu Linux dağıtımına önceden yüklenmiştir. Dahil değilse, dağıtımınızın paket yöneticisini kullanarak yükleyebilirsiniz.

• İsteklerinizle GET birlikte ekleyerek | json_pp JSON çıkışını oldukça yazdırın.

  curl -i -X GET "<endpoint>documentintelligence/documentModels/prebuilt-read/analyzeResults/0e49604a-2d8e-4b15-b6b8-bb456e5d3e0a?api-version=2024-02-29-preview"-H "Ocp-Apim-Subscription-Key: <subscription key>" | json_pp
  

GET isteği

Aşağıdaki komutu çalıştırmadan önce şu değişiklikleri yapın:

• POST yanıtını POST yanıtından>Operation-location alınan üst bilgiyle değiştirin.<
• koddaki addan farklıysa DI_KEY değerini ortam değişkeninizin değişkeniyle değiştirin.<
• *<json-tool> değerini JSON biçimlendirme aracınızla değiştirin.

curl -i -X GET "<POST response>" -H "Ocp-Apim-Subscription-Key: %DI_KEY%" | `<json-tool>`

Yanıtı inceleme

JSON çıkışıyla bir 200 (Success) yanıt alırsınız. İlk alan olan status, işlemin durumunu gösterir. İşlem tamamlanmazsa değeri status veya notStartedolurrunning. API'yi el ile veya bir betik aracılığıyla yeniden çağırın. Aramalar arasında bir saniyelik veya daha fazla bir aralık öneririz.

Belge Zekası modellerinin her birinin yanıtını görüntülemek GET için GitHub'daki Azure örnekleri deposunu ziyaret edin:

Model	Çıkış URL'si
Modeli okuma	Model çıktısını okuma
Düzen modeli	Düzen modeli çıkışı
W-2 vergi modeli	W-2 vergi modeli çıkışı
Fatura modeli	Fatura modeli çıkışı
Makbuz modeli	Makbuz modeli çıkışı
Kimlik belgesi modeli	Kimlik belgesi modeli çıkışı

Sonraki adımlar

Tebrikler! Çeşitli belgeleri farklı şekillerde analiz etmek için Belge Zekası modellerini kullanmayı öğrendinsiniz. Ardından, Document Intelligence Studio'yu ve başvuru belgelerini inceleyin.

Document Intelligence Studio'yudeneyin Belge Zekası REST API'sini keşfedin